THMMY.gr

Χαιρετε.
Εχω ενα προβλημα με αυτον εδω τον κωδικα
http://autogpu.ee.auth.gr/doku.php?id=gpu_accelerated_k-means_toolbox_for_matlab

Εχω 2 pc, με Ubuntu 14.04, Matlab R2015a και Cuda 7.5 και τα 2.

Απο τα διαφορα αρχεια που εχει μεσα για compile, εγω ενδιαφερομαι μονο για το cudaKmeans, τα υπολοιπα που ειναι για τα τεστς ας τα ξεγραψουμε.

Στο ενα pc κανω compile και μετα οταν τρεχω στο matlab το mex αρχειο που βγαζει, ο χρονος εκτελεσης της k-means ειναι περιπου ~0.1 δευτερολεπτο για 100.000 σημεια με 100 διαστασεις. Αυτο εχει gpu GTX 260. Επισης σε αυτο το μηχανημα δε μου επιστρεφει καμια NaN τιμη στα κεντρα του k-means.
Στο αλλο pc κανω ακριβως τον ιδιο κωδικα compile και ο χρονος εκτελεσης ειναι ~60 δευτερολεπτα. Αυτο εχει gpu GT 740. Σε αυτο το μηχανημα μου επιστρεφει καμποσες NaN τιμες στα κεντρα του k-means. Αλλα τεσπα, ας πουμε οτι τα NaN δε με ενδιαφερουν.

Υποπτευομαι πως κατι παιζει με το cublas και γιαυτο οι χρονοι ειναι τοσο διαφορετικοι, αλλα στο compile δε μου βγαζει καποιο ερρορ ή κατι τετοιο.

Καμια ιδεα για το τι παιζει;

ΥΓ: Να συμπληρωσω οτι ακομη κι αν παρω το .mexa64 αρχειο που εχω κανει compile απο το 1ο πισι και το αντιγραψω στο 2ο και το τρεξω, παλι θα τρεξει σε ~60 δευτερολεπτα.
ΥΓ2: Πριν καταφερω να κανω compile στο 2ο πισι, μου πετουσε αυτο το ερρορ
nvcc fatal : path to libdevice library not specified

χωρις να νιωθω πολυ απο τα tools που χρησιμοποιεις, μια πιθανη αιτια για αυτο που περιγραφεις θα μπορουσε να ειναι οτι ο αλγοριθμος τρεχει με διαφορετικα κεντρα.
Μπορει πχ να δινεις ενα random seed και στα μηχανηματα να μεταφραζεται διαφορετικα. Δοκιμασες να το κανεις με fixed κεντρα?

εχεις και στα 2 μηχανηματα ολα τα dependecies στα ιδια versions?  Και στα 2 τρεχουν μονο αυτα η πχ στο αλλο εχεις και τιποτα απο πισω να σου τρωει μνημη ?

Επισης ισως να βοηθουσε να το τρεξεις σε κανα διαδη η σε καποιο 3ο μηχανημα πριν σπας το κεφαλι σου.

Δεν ειναι θεμα αρχικοποιησης κεντρων οποτε δε δοκιμασα να του αρχικοποιησω εγω τα κεντρα. :P
Για τα dependencies δε ξερω πως να τα ελεγξω ολα :P
Τουλαχιστον οσα ειναι προφανη, τα εχω ναι.
Απο πισω δεν τρεχει κατι αλλο.
Να το τρεξω σε 3ο δε νομιζω να με βοηθησει :D

Γιατί 2 υπολογιστές, εννοώ, υπάρχει ιδιαίτερος λόγος που πρέπει να τρέξει ή απλά έχεις περιέργεια; Αυτό μπορεί και να καθορίζει την επίδοση του καθενός μηχανήματος.

Τα specs του host PC δεν παίζουν ρόλο καθόλου κατά την εκτέλεση παρά μόνο τα gpu; Μπορεί το gpu με την περιορισμένη μνήμη του να αναλάβει τόσο τεράστιο όγκο δεδομένων; Μήπως θέλει λίγη βοήθεια από το host PC, άρα παίζει ρόλο και το RAM bandwidth της κάθε κάρτας; Βλέπω π.χ. ότι η gtx 260 έχει 111.9 και η gt 740 έχει 28.8 GB/sec. Ή είναι το memory interface;

Δεν έχω ασχοληθεί με gpu's, ρωτάω μπας και εξηγώντας καταλάβεις αν σου ξέφυγε τίποτα.

Θα σε γελασω ρε κυβε, και γω μη νομιζεις οτι σκαμπαζω πολυ.
Αυτο με την cublas σαν μια σκεψη το ειπα, μπορει να μην εχει σχεση και να ειναι κατι σχετικο με το ram bandwidth που λες...

ΥΓ: 2 υπολογιστες γιατι ειναι σταθεροι και εγω μετακινουμαι. :P

Φορματ και βαλε windows  ;D ;D

Reverse joke

Βάλε το nvidia-smi και κάνε monitor όταν τα τρέχεις.

Ποσταρε μερικά screenshots να δούμε τι γίνεται.

Με ένα wild guess με τα λίγα που μας είπες είναι ότι ο κώδικας γραμμένος το 2012 έχει αρκετά hardcodes για εκείνη την γειτονιά των gpus για Tesla και Fermi architectures, οπότε πιθανόν να είναι θέμα optimization.

μεχρι προχτες το ετρεχα και σε windows και εκανε κι εκει ~60 δευτερολεπτα  :P

Δεν μου φαίνεται παράλογο. Αν το software που κατέβασες δεν κάνει κάποιο tuning και τρέχει απλά με default παραμέτρους, τότε πρέπει να το κάνεις χειροκίνητα. Η CUDA είναι πολύ ευαίσθητη σε κάτι τέτοια, ειδικά για κάρτες που έχουν 3-4 χρόνια απόσταση.

Ανεβασε τιποτα παραπανω πχ
Πρωτον απο το makefile βλεπω το εξης
Το -Ο  optimize level άρα σίγουρα γίνεται κάτι τέτοιο επειδή όμως ο κώδικας είναι γραμμένος σε παλιότερη έκδοση του toolkit και μπορεί ρυθμίσεις να μην υποστηρίζοντε από την καινούργια (δύσκολο μου φαίνεται όμως είναι πιθανό να μην νιώθει το -O4 διότι http://docs.nvidia.com/cuda/cuda-compiler-driver-nvcc/index.html#nvcc-command-options
 Specify optimization level. Default value: 3 στο παλιο Cuda toolkit 3.2 είχε -Οn)