gstore_fdw: GPUメモリをSQLで読み書き、そして…。 - KaiGaiの俺メモ
昨年、PGconf.ASIAで発表したPL/CUDAによる創薬ワークロードの高速化実験のテーマであるが、 kaigai.hatenablog.com 実測したベンチマークを見ると、奇妙な傾向が見てとれる。 このワークロードにおける計算量は「Qの行数×Dの行数」であるので、Dの行数が同じ1000万行であるならば、Qの行数が1000のケース（22.6s）に比べ、Qの行数が10のケース（13.4s）の実行時間はもっと顕著に短時間でなければならない。 計算量が1/100なのに、実行時間は半分弱にしかなっていない。 実はこれは、化合物同志の類似度を計算するための時間だけでなく、PL/CUDA関数に与える引数をセットアップするための時間に12秒程度を要しており、アムダールの法則を引用するまでもなく、類似度の計算を高速化するだけでは処理速度はこれ以上伸びないのである。 PL/CUDA関数の引数として行列
Numba: High-Performance Python with CUDA Acceleration | NVIDIA Technical Blog
Looking for more? Check out the hands-on DLI training course: Fundamentals of Accelerated Computing with CUDA Python [Note, this post was originally published September 19, 2013. It was updated on September 19, 2017.] Python is a high-productivity dynamic programming language that is widely used in science, engineering, and data analytics applications. There are a number of factors influencing the
Anaconda & NumbaPro 使ってみた
PyCUDA - CUDA C以外の開発環境 長岡技術科学大学2015年度GPGPU講習会（2015年11月25日実施） 開発および講義には長岡技術科学大学のGPU搭載ラップトップPC（GROUSE2）を利用しています。 開発環境 Dell Precision M4600 CPU Intel Core i7 2.7GHz メモリ 32GB GPU NVIDIA Quadro 2000M CUDA 6.5 Visual Studio Community 2013 Python 3.4 GPGPU講習会 ・PyCUDA http://www.slideshare.net/ssuserf87701/gpgpu-seminar-pycuda ・CUDA Fortranによる格子ボルツマン法の高速化 http://www.slideshare.net/ssuserf87701/gpgpu-semin
はてなブログ | 無料ブログを作成しよう
令和五年六月 コンデジの写真など 梅雨がどこかに行ってくれたようで嬉しい。水不足にはなってほしくはないけれど、たまにはカラッとした年があっても良いよな。今月は忙しくてあっという間に終わってしまった。いつもより今月は何をしていたっけ、なんて感覚が強い状態。スマホの中の写真やラインのや…
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
長文日記
Generative Visual Manipulation on the Natural Image Manifold
GitHub - junyanz/iGAN: Interactive Image Generation via Generative Adversarial Networks
