Avis et détails du produit de NVIDIA CUDA GL

J'ai utilisé CUDA à l'université pour étudier des sujets comme le traitement parallèle avec des GPU, donc c'est bien si vous voulez connaître les bases et ensuite commencer avec des étapes plus avancées. Avis collecté par et hébergé sur G2.com.

Le seul inconvénient semble être son âge, c'est bien pour quelqu'un qui veut clarifier les bases mais c'est un peu dépassé et gourmand en ressources. Je devais exécuter son programme sur Google Colab plutôt que sur un PC local en raison du temps trop long pour l'exécuter. Avis collecté par et hébergé sur G2.com.

-La meilleure partie est la prise en charge multiplateforme qui garantit qu'il se comporte de la même manière sur différents systèmes d'exploitation.

-Il est assez facile de l'intégrer avec un modèle déjà construit et est très utile pour accélérer les modèles/applications gourmands en calcul. Avis collecté par et hébergé sur G2.com.

Ce n'est pas nécessairement un inconvénient, mais construire des implémentations de base pourrait être plus facile, mais pour des applications plus complexes, vous avez besoin d'un bon niveau de compréhension, mais encore une fois, cette partie est généralement prise en charge par des développeurs seniors. Donc, cela pourrait prendre un certain temps pour acquérir une bonne maîtrise jusqu'à un niveau intermédiaire à expert. Avis collecté par et hébergé sur G2.com.

J'ai travaillé sur NVIDIA CUDA il y a longtemps, en 2010. Je construisais une plateforme d'évaluation de code similaire à Leetcode mais pour NVIDIA CUDA, qui suit le nombre de cœurs et l'utilisation de la mémoire ainsi que la correction de la solution. J'ai trouvé cela difficile à comprendre, car les concepts sont différents. Cependant, j'ai réussi à faire fonctionner le projet et il a été utilisé par l'université de Californie pour évaluer les compétences des étudiants en programmation parallèle.

Ce que j'ai le plus aimé, c'est la capacité de diviser et d'exécuter parallèlement des programmes, ce qui permet un débit massif et réduit le temps d'exécution des programmes intensifs en calcul par des ordres de grandeur. Avis collecté par et hébergé sur G2.com.

Comme c'était nouveau, j'avais du mal à comprendre les concepts de conception de programmes pour fonctionner sur plusieurs cœurs. Je n'aimais pas non plus les outils autour de cela. Il n'y a pas de débogage ni de bon support IDE. C'était au début quand j'ai travaillé dessus en 2010. Je ne suis pas sûr de l'état actuel. Avis collecté par et hébergé sur G2.com.

J'utilise NVIDIA depuis 6 ans maintenant et il a été très bon en termes de performance. Durabilité à son meilleur. Fonctionner en douceur pendant 6 ans est quelque chose qui mérite d'être apprécié. Avis collecté par et hébergé sur G2.com.

Il n'y a rien que je n'aime pas concernant NVIDIA, mais compte tenu des avancées technologiques, les produits devraient être disponibles à des prix raisonnables. À part cela, je pense que tout est bien. Avis collecté par et hébergé sur G2.com.

Il a la meilleure performance du marché en matière de calcul. Ils offrent une architecture facile à utiliser et à des fins de distribution. La boîte à outils Nvidia est très complète. Avis collecté par et hébergé sur G2.com.

Il n'y a pas d'inconvénient spécifique, mais tout a un potentiel d'amélioration. Il est conçu principalement pour les cartes plus anciennes, bien qu'il convienne également aux plus récentes. Dans l'ensemble, excellent. Avis collecté par et hébergé sur G2.com.

J'aime plusieurs aspects de NIVIDA CUDA GL :

1. Il accélère considérablement le calcul des tenseurs.

2. Il a une meilleure compatibilité avec une version différente de GPU.

3. Il a réduit les plantages et les bugs du système d'exploitation (j'ai de l'expérience sur Ubuntu 18.04 et Ubuntu 20.04) dans certaines bibliothèques après l'installation de la nouvelle bibliothèque. Avis collecté par et hébergé sur G2.com.

Jusqu'à présent, je n'ai rencontré aucun problème en travaillant avec NIVIDA CUDA GL. Tout est excellent. Avis collecté par et hébergé sur G2.com.

C'est la vitesse et les fonctionnalités de calcul parallèle. Avis collecté par et hébergé sur G2.com.

Son coût est un peu élevé pour les utilisateurs moyens comme moi. Avis collecté par et hébergé sur G2.com.

Facilité d'utilisation et adoption facile sur les GPU NVIDIA. Le langage CUDA semble également familier, donc il est facile et rapide à comprendre et à apprendre, ce qui est l'un de ses plus grands avantages par rapport à ses concurrents. Avis collecté par et hébergé sur G2.com.

Le seul problème est qu'il est spécifique à l'architecture de NVIDIA, ce qui rend un peu difficile de le recommander étant donné qu'il existe des alternatives comme OpenCl. S'il y a des améliorations à apporter, je pense qu'il faudrait être plus inclusif? Avis collecté par et hébergé sur G2.com.

Nous sommes déjà conscients des langages de programmation, CUDA est aussi simple que tout autre langage de programmation à comprendre et à coder rapidement la logique de traitement parallèle. Avis collecté par et hébergé sur G2.com.

Manque de ressources en ligne et de tutoriels rapides avec des exemples doivent être disponibles pour accroître l'utilisation. De plus, comprendre quand utiliser et quand ne pas utiliser CUDA est une compétence qui devrait également être expliquée. Avis collecté par et hébergé sur G2.com.

Il est plus rapide que ses concurrents. Il dispose d'un meilleur support et d'une meilleure intégration pour presque toutes les bibliothèques nécessaires à l'exécution de la tâche de réseau neuronal profond requise pour mon travail professionnel. Avis collecté par et hébergé sur G2.com.

Je n'avais trouvé aucun problème en travaillant sur mon projet précédent. En tant que tendance humaine, j'aimerais une version plus avancée pour accélérer davantage la puissance de calcul. Avis collecté par et hébergé sur G2.com.