Um Teilchen mit finiten Elementen zu simulieren (siehe Anhang Grafik)
suche ich eine Hardware, die die einfachen Rechnungen Addieren und
Division durch 4 für alle Pixel einer Rastergrafik mehrmals nacheinander
ausführt und damit einen kurzen Film erzeugt. Für jedes Pixel sind
mehrere Zahlen hinterlegt. Bisher kenne ich verschiedene Möglichkeiten:
- Auf dem PC mit mehreren Threads (deshalb, um alle Kerne einer CPU zu
verwenden)
- Mit der AMD Grafik-Karte (dort GPU-Shader, 10x schneller als CPU
Kerne)
- 64 Bit Zahl in 8 Zahlen mit 15 Bit aufteilen und auf einmal addieren
- Möglichkeiten der Einplatinen PCs (Raspi und Odroid), kenne ich noch
nicht
- Smartphone Technik, kenne ich auch noch nicht, weil es Geld kostet
- GPU mieten
- Bitcoin HW, kenne ich auch nicht, HW kann teuer werden
Bitte, liebes Forum, gib mir Hinweise wie ich für minimierte Kosten
diese relativ kleine parallele Rechenaufgabe mit Hardware bearbeiten
kann!
Wieso eine besondere Hardware? Das macht man nur wenn ein normaler PC zu
langsam wäre.
Also, wie lange darf die Berechnung dauern? Hast du es sehr eilig?
Welche Auflösung und wie viele Iterationen sind gewünscht?
Mach doch mal eine Schätzung wie lange dafür ein normaler Rechner
braucht. Ist auch die Frage ob das etwas einmaliges ist oder du da die
nächsten Jahre jeden Tag mehrere Videos rechnen möchtest. Für einmalige
Dinge lohnt sich das Mieten von Rechenleistung, z.B. bei Amazon.
Notfallseelsorge schrieb:> Wieso eine besondere Hardware? Das macht man nur wenn ein normaler PC zu> langsam wäre.> Also, wie lange darf die Berechnung dauern? Hast du es sehr eilig?> Welche Auflösung und wie viele Iterationen sind gewünscht?
Kann ich mich anschliesen.
Wievile Mio. Berechnungen pro sekunde benötigst du, dass dir aktuelle
CPU mit z.b. 64 Cores dafür nicht ausreichen?
Ansonsten kannst du dir überlegen das ganze mit einem /mehreren
FPGA/ASIC zu realisieren:
- https://de.wikipedia.org/wiki/Field_Programmable_Gate_Array
Irgend W. schrieb:> Ansonsten kannst du dir überlegen das ganze mit einem /mehreren> FPGA/ASIC zu realisieren:
Lohnt sich nur wenn man das häufiger machen muss oder selbst die
einmalige Aktion irre lange dauert auf normaler Hardware. Kostet auch
echt viel Geld.
Claus W. schrieb:> - Mit der AMD Grafik-Karte (dort GPU-Shader, 10x schneller als CPU> Kerne)
Es gäbe noch OpenCL. (Aber nur 10x schneller?!? Hast du da noch vsync
aktiviert, oder schaufelst du immer alle Daten noch mal hin und her
statt transform feedback zu verwenden, oder rechnest du mit hunderten
Integern statt floats, oder wie schaffst du das?!?).
Division durch 4 ist Schieben um 2 Bits bei einer geeigneten
Zahlendarstellung. Das ist wohl die Domaine von FPGAs.
Willst Du keine Hardware anschaffen, könnte eine Amazon F1 Instanz die
Lösung sein. Kostet natürlich auch Geld.
Wir wissen doch noch gar nicht welche Rechenlast da anfällt. Vielleicht
kann das ein normaler Rechner mit einem eigigermaßen optimiertem
Programm in wenigen Minuten bis vielleicht einem Tag rechnen. Und selbst
wenn ein PC mal eine Woche rechnen würde, wenn das eine einmalige
Angelegenheit ist dann ist das weit billiger als das auf eine
Spezialhardware zu portieren.
Claus W. schrieb:> 64 Bit Zahl in 8 Zahlen mit 15 Bit aufteilen und auf einmal addieren
Klingt fast nach SIMD. Aber egal, wenn das kein Geheimprojekt ist, dann
zeig doch mal den Code und beschreibe was du konkret rechnen willst.
Damit am abschätzen kann was eine sinnvolle Lösung wäre. Bitoperationen
sind in C sehr schnell. In Python hingegen leider nicht. Die Wahl der
Sprache kann sehr viel ausmachen.
Die Massenrechnung berechnet eine quadratische Fläche von Pixeln mit der
Kantenlänge 300px bis 1000px wobei jedes Pixel sechs bis zwölf
float32-Variablen enthält. Ich habe es bereits mehrfach rechnen lassen
und es braucht z.B. mit der CPU 10 Minuten und mit der GPU 1 Minute. Im
Anhang die GPU Kerne für ein Zwischenergebnis. Bislang interessierte
sich niemand für den fachlichen Inhalt. Das Python-Skript führt die
Init-Kerne einmal aus und danach immer reihum die Iterationskerne.
Regelmäßig fragt es den Inhalt der Pixel ab und macht eine Grafikdatei
daraus. Mit bisherigen Mitteln kann es passieren, dass ich in etwa 3
Wochen das Ergebnis errate. Es besteht aus einer bestimmten
geometrischen Konstruktion der Zeiger (im Bild sichtbar) und deren
rechnerischen Wechselbeziehungen. Dann wäre das Rätsel fertig und ich
kann damit beginnen, einen erklärenden Text dazu zu schreiben. Es
genügte, erst dann Hardware auszusuchen und das Beispiel übersichtlich
zu ordnen.
Was fehlt an der Sache:
- Nicht einfach als Beispielcode zu verteilen, weil woanders nicht die
gleiche Grafikkarte vorliegt. Oft Änderungen in den Betriebssystemen um
OpenCL anzusteuern. Oder wenn mit CPU: Langsamer als eine
standardisierte GPU Lösung sein könnte.
- Neue Hardware (z.B. Einplatinen Computer) kamen auf. Nicht sicher, ob
derartige Hardware den Büro-PC vielleicht schon überrundet hat.
- Warum sind Shader-Prozessoren nur in PC-Grafikkarten verbaut? Warum
verkauft niemand ein GPU-Modul, das man über Ethernet ansteuert? Es gibt
Artikel über eGPU, aber das sieht aus wie ein PC ohne Monitor. Gibt es
Module die auf Parallel-Rechnen spezialisiert sind (ohne Gaming, also
leichtgewichtiger)?
Es werden für High Performance Computing (HPC) unterschiedliche
Beschleunigerkarten von NVidia, ATI, Intel, ARM hergestellt
Teilweise sind sie auf bestimmte Probleme wie Neuronale Netze z.B.
optimiert.
Du findest diese Karten, wenn Du nach dem Aufbau von aktuellen
Supercomputern suchst.
Z.B. sowas
https://en.m.wikipedia.org/wiki/Nvidia_DGX
Das Problem ist, dass solche Karten keine Massenware sind, und deshalb
für den Normalanwender unbezahlbar.
Dann kamen clevere Leute auf die Idee, dass man ja auch günstige
Spielegrafikkarten für sowas verwenden könnte.
Claus W. schrieb:> Bitte, liebes Forum, gib mir Hinweise wie ich für minimierte Kosten> diese relativ kleine parallele Rechenaufgabe mit Hardware bearbeiten> kann!
Xilinx Versal FPGAs mit AL cores. Haben wir im Einsatz.
Es gibt auch noch ASICs oder auch noch AVX/SSE - Spielereien oder man
kann auch noch mit logischen Operationen addieren, bzw. dividieren und
gehen wir man in Richtung Software, da sind pyCuda recht beliebt oder
der Haskell-Ghc ganz gut parallel-optimiert.
Und: die Literaturliste aus dem Buch von der dritten Auflage" Matrix
Computations" von Holub und Loan teils mit Referenzen aus den 50er und
60er Jahren, die ist mit Sicherheit nicht so schlecht zu dieser
Thematik.
Ne Lupe ginge eigentlich auch- muss man nur bei Sonnenschein in
entsprechender Höhe über den Tisch halten, um Antwort A zu provozieren.
Allerdings rechnet man da nix, sondern erhöht die Wahrscheinlichkeit für
Antwort A, die dann aber analog abgelesen wird. Da ist nichts mehr mit
Rechnen oder Digital ;)
"Quantencomputing" ist also erstmal ein ziemlich irreführender Begriff.
ZuseSpaceSimulation.gif
(1,2 MB)
