- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
在 Vulkan 中使用多 GPU 是否类似于创建许多命令队列然后在它们之间划分命令缓冲区?
有2个问题:
最佳答案
更新了最新的信息,现在 Vulkan 已经存在。
有两种多 GPU 设置:多 GPU 是某些 SLI 样式设置的一部分,另一种不是。 Vulkan 两者都支持,并且在同一台计算机上同时支持它们。也就是说,您可以拥有两个一起使用 SLI 的 NVIDIA GPU,以及英特尔嵌入式 GPU,而 Vulkan 可以与它们进行交互。
非 SLI 设置
在 Vulkan 中,有一个叫做 Vulkan 实例的东西。这代表了基本的 Vulkan 系统本身;各个设备将自己注册到实例。 Vulkan 实例系统本质上是由 Vulkan SDK 实现的。
物理设备表示实现与 GPU 的接口(interface)的特定硬件。公开 Vulkan 实现的每个硬件都通过将其物理设备注册到实例系统来实现。您可以查询哪些物理设备可用,以及它们的一些基本属性(它们的名称、它们提供的内存量等)。
然后为您使用的物理设备创建逻辑设备。逻辑设备是您在 Vulkan 中实际操作的方式。它们有队列、命令缓冲区等。每个逻辑设备都是独立的……主要是。
现在,您可以绕过整个“实例”并手动加载设备。但你真的不应该。至少,除非您处于开发的最后阶段,否则不会。 Vulkan 层对于日常调试来说太重要了,不能选择退出。
Vulkan 1.1 中的核心机制允许单个设备能够将某些信息传达给其他设备。在 1.1 中,只能在物理设备之间共享某些类型的信息(即栅栏和信号量,即使那样,也只能在 Linux 上通过同步文件)。虽然这些 API 可以提供一种在两个物理设备之间共享数据的机制,但目前,对大多数数据共享形式的限制是两个物理设备必须具有匹配的 UUID(因此是相同的物理设备)。
SLI 设置
处理 SLI 包含在两个 Vulkan 1.0 扩展中:KHR_device_group
和 KHR_device_group_creation
.前者用于处理 Vulkan 中的“设备组”,而后者是用于创 build 备分组设备的实例扩展。这两者都是 Vulkan 1.1 的核心。
这样做的想法是 SLI 聚合作为单个 VkDevice
公开。 ,它是由多个 VkPhysicalDevice
创建的s。每个内部物理设备都是一个“子设备”。您可以查询子设备及其相关属性。内存分配特定于特定的子设备。资源对象(缓冲区和图像)并不特定于子设备,但它们可以与不同子设备上的不同内存分配相关联。
命令缓冲区和队列不特定于子设备;当您在队列上执行 CB 时,驱动程序会确定它将在哪个子设备上运行,并使用正确的 GPU 指针填充使用图像/缓冲区的描述符,以用于这些图像/缓冲区具有的内存被绑定(bind)到那些特定的子设备上。
交替帧渲染只是在一帧上呈现从一个子设备生成的图像,然后在另一帧上呈现来自不同子设备的图像。拆分帧渲染由更复杂的机制处理,您可以在其中定义要在设备之间拆分的渲染命令的目标图像的内存。你甚至可以用漂亮的图像来做到这一点。
关于gpu - 多 GPU 编程如何与 Vulkan 一起工作?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31833776/
谁能解释或指出在多 GPU/多显示器设置中渲染如何工作的解释(或至少一些线索)? 例如,我安装了 5 个 NVIDIA Quadro 4000 视频卡并连接了 9 个显示器。显示不进行任何分组。刚刚在
以下代码报错: import spacy spacy.require_gpu() Traceback (most recent call last): File "/home/user/Pycha
正如问题已经暗示的那样,我是深度学习的新手。我知道模型的学习过程在没有 GPU 的情况下会很慢。如果我愿意等待,如果我只使用CPU可以吗? 最佳答案 在计算深度学习(以及一般的神经网络)中执行的许多操
我知道 Renderscript 的设计是为了掩盖我正在运行的处理器的事实,但是有没有办法编写代码,以便在支持 GPU 计算的设备(目前是 Nexus 10)上运行显卡?有什么方法可以判断脚本的功能正
关闭。这个问题是opinion-based 。目前不接受答案。 想要改进这个问题吗?更新问题,以便 editing this post 可以用事实和引文来回答它。 . 已关闭 8 年前。 Improv
我想以编程方式找出可用的 GPU 及其当前内存使用情况,并根据内存可用性使用其中一个 GPU。我想在 PyTorch 中执行此操作。 我在这个 post 中看到了以下解决方案: import torc
我喜欢 GPU Gems 的结构化技术摘要。但是自上次发布以来已经过去了很长时间,应该开发新算法来处理新型硬件。 我可以阅读有关最近 GPU 技术成就的哪些信息? 潜伏在编程板上是唯一的方法吗? 最佳
我一直在做一些关于测量数据传输延迟的实验 CPU->GPU 和 GPU->CPU。我发现对于特定消息大小,CPU->GPU 数据传输速率几乎是 GPU->CPU 传输速率的两倍。谁能解释我为什么会这样
当我使用选项 --gres=gpu:1 向具有两个 GPU 的节点提交 SLURM 作业时,如何获取为该作业分配的 GPU ID?是否有用于此目的的环境变量?我使用的 GPU 都是 nvidia GP
我用 gpu、cuda 7.0 和 cudnn 6.5 安装了 tensorflow。当我导入 tensorflow 时,它运行良好。 我正在尝试在 Tensorflow 上运行一个简单的矩阵乘法,但
我们正在寻找有关 slurm salloc gpu 分配的一些建议。目前,给定: % salloc -n 4 -c 2 -gres=gpu:1 % srun env | grep CUDA CUD
我是否必须自定义为非 GPU Tensorflow 库编写的代码以适应tensorflow-gpu 库? 我有一个 GPU,想运行仅为非 GPU tensorflow 库编写的 Python 代码。我
我是否必须自定义为非 GPU Tensorflow 库编写的代码以适应tensorflow-gpu 库? 我有一个 GPU,想运行仅为非 GPU tensorflow 库编写的 Python 代码。我
我正在使用 pytorch 框架训练网络。我的电脑里有 K40 GPU。上周,我在同一台计算机上添加了 1080。 在我的第一个实验中,我在两个 GPU 上观察到相同的结果。然后,我在两个 GPU 上
有没有办法在 Slurm 上超额订阅 GPU,即运行共享一个 GPU 的多个作业/作业步骤?我们只找到了超额订阅 CPU 和内存的方法,但没有找到 GPU。 我们希望在同一 GPU 上并行运行多个作业
我可以访问 4 个 GPU(不是 root 用户)。其中一个 GPU(2 号)表现怪异,它们的一些内存被阻塞但功耗和温度非常低(好像没有任何东西在上面运行)。请参阅下图中 nvidia-smi 的详细
我正在尝试通过 Tensorflow 运行示例 seq2seq,但它不会使用 GPU。以下是我在带有 Tesla K20x 的 Linux 系统上安装 Tensorflow 所采取的步骤 git cl
一位电气工程师最近提醒我不要使用 GPU 进行科学计算(例如,在精度非常重要的地方),因为没有像 CPU 那样的硬件保护措施。这是真的吗?如果是的话,典型硬件中的问题有多普遍/严重? 最佳答案 实际上
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve thi
最近我研究了强化学习,有一个问题困扰着我,我找不到答案:如何使用 GPU 有效地完成训练?据我所知,需要与环境持续交互,这对我来说似乎是一个巨大的瓶颈,因为这项任务通常是非数学的/不可并行化的。然而,
我是一名优秀的程序员,十分优秀!