グレードが違うので比較しても仕方ない気がするが、昨日書いた通りGT 520をGT 640(GK208)に換装した環境でいくつかCUDAのサンプルを実行してみた。
実行したのは以下の5つのサンプルのみ。
さらっと撫でただけって感じである。
CUDA Device Query (Runtime API) version (CUDART static linking) Detected 1 CUDA Capable device(s) Device 0: "GeForce GT 520" CUDA Driver Version / Runtime Version 5.5 / 5.0 CUDA Capability Major/Minor version number: 2.1 Total amount of global memory: 1024 MBytes (1073741824 bytes) ( 1) Multiprocessors x ( 48) CUDA Cores/MP: 48 CUDA Cores GPU Clock rate: 1620 MHz (1.62 GHz) Memory Clock rate: 533 Mhz Memory Bus Width: 64-bit L2 Cache Size: 65536 bytes Max Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536,65535), 3D=(2048,2048,2048) Max Layered Texture Size (dim) x layers 1D=(16384) x 2048, 2D=(16384,16384) x 2048 Total amount of constant memory: 65536 bytes Total amount of shared memory per block: 49152 bytes Total number of registers available per block: 32768 Warp size: 32 Maximum number of threads per multiprocessor: 1536 Maximum number of threads per block: 1024 Maximum sizes of each dimension of a block: 1024 x 1024 x 64 Maximum sizes of each dimension of a grid: 65535 x 65535 x 65535 Maximum memory pitch: 2147483647 bytes Texture alignment: 512 bytes Concurrent copy and kernel execution: Yes with 1 copy engine(s) Run time limit on kernels: Yes Integrated GPU sharing Host Memory: No Support host page-locked memory mapping: Yes Alignment requirement for Surfaces: Yes Device has ECC support: Disabled CUDA Device Driver Mode (TCC or WDDM): WDDM (Windows Display Driver Model) Device supports Unified Addressing (UVA): Yes Device PCI Bus ID / PCI location ID: 1 / 0 Compute Mode: < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) > deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 5.5, CUDA Runtime Version = 5.0, NumDevs = 1, Device0 = GeForce GT 520
CUDA Device Query (Runtime API) version (CUDART static linking) Detected 1 CUDA Capable device(s) Device 0: "GeForce GT 640" CUDA Driver Version / Runtime Version 5.5 / 5.0 CUDA Capability Major/Minor version number: 3.5 Total amount of global memory: 1024 MBytes (1073741824 bytes) ( 2) Multiprocessors x (192) CUDA Cores/MP: 384 CUDA Cores GPU Clock rate: 1046 MHz (1.05 GHz) Memory Clock rate: 2505 Mhz Memory Bus Width: 64-bit L2 Cache Size: 524288 bytes Max Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536,65536), 3D=(4096,4096,4096) Max Layered Texture Size (dim) x layers 1D=(16384) x 2048, 2D=(16384,16384) x 2048 Total amount of constant memory: 65536 bytes Total amount of shared memory per block: 49152 bytes Total number of registers available per block: 65536 Warp size: 32 Maximum number of threads per multiprocessor: 2048 Maximum number of threads per block: 1024 Maximum sizes of each dimension of a block: 1024 x 1024 x 64 Maximum sizes of each dimension of a grid: 2147483647 x 65535 x 65535 Maximum memory pitch: 2147483647 bytes Texture alignment: 512 bytes Concurrent copy and kernel execution: Yes with 1 copy engine(s) Run time limit on kernels: Yes Integrated GPU sharing Host Memory: No Support host page-locked memory mapping: Yes Alignment requirement for Surfaces: Yes Device has ECC support: Disabled CUDA Device Driver Mode (TCC or WDDM): WDDM (Windows Display Driver Model) Device supports Unified Addressing (UVA): Yes Device PCI Bus ID / PCI location ID: 1 / 0 Compute Mode: < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) > deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 5.5, CUDA Runtime Version = 5.0, NumDevs = 1, Device0 = GeForce GT 640
差分
Compute Capability: 2.1 → 3.5
CUDA Cores: 48 → 384
GPU Clock rate: 1620 MHz → 1046 MHz
Memory Clock rate: 533 Mhz → 2505 Mhz
L2 Cache Size: 65536 bytes → 524288 bytes
Max Texture Dimension Size(3D): 2048 x 2048 x 2048 → 4096 x 4096 x 4096
Total number of registers available per block: 32768 → 65536
Maximum number of threads per multiprocessor: 1536 → 2048
Maximum sizes of each dimension of a grid: 65535 x 65535 x 65535 → 2147483647 x 65535 x 65535
GPU Clock rateが下がってるが、CUDAコア数がめっちゃ増えてるのでだいぶ性能が高そう。
カタログスペック上でも、 GT 520 が 155.5 GFLOPS に対して GT 640(GK208) は 803.3 GFLOPS となっており圧倒的。
しかしこのクラスのGPUで1TFLOPS目前ってなんか感慨深いものがある。
最大テクスチャサイズが増えてるけど、4096 x 4096 x 4096 x float4のサイズ(16バイト)で計算すると1Tバイトになるので実質そこまでは使えないだろう。
L2キャッシュとレジスタ数が増えたのはすごくいいと思う。
グリッドの最大分割数のx成分が増えてるのもいい。
[CUDA Bandwidth Test] - Starting... Running on... Device 0: GeForce GT 520 Quick Mode Host to Device Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(MB/s) 33554432 6294.4 Device to Host Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(MB/s) 33554432 6319.3 Device to Device Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(MB/s) 33554432 6559.3
[CUDA Bandwidth Test] - Starting... Running on... Device 0: GeForce GT 640 Quick Mode Host to Device Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(MB/s) 33554432 3145.1 Device to Host Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(MB/s) 33554432 3246.2 Device to Device Bandwidth, 1 Device(s) PINNED Memory Transfers Transfer Size (Bytes) Bandwidth(MB/s) 33554432 31320.5
Host to DeviceとDevice to Hostの帯域幅が半減してしまってるが、これは GT 520 が PCIe 2.0 x 16 対応なのに対し、 GT 640(GK208) は PCIe 2.0 x 8 対応止まりだからである。
このクラスなら性能的なデメリットより消費電力的なメリットの方が大きいと判断しての仕様かなと思う。
カーネルが超軽くて、デバイス-ホスト間のデータ転送がボトルネックになるようなアプリケーションだともしかしたらGT 520に逆転される場合もあるかもしれない。
Device to Deviceに関しては、GT 520が少し遅すぎな気はするが、まぁ納得の値になってる。
カタログスペック上ではビデオメモリの帯域幅は、 GT 520 が 14.4 GB/s、 GT 640(GK208) が 40.1 GB/s となっている。
GPU Device 0: "GeForce GT 520" with compute capability 2.1 Sorting 1048576 32-bit unsigned int keys and values radixSort, Throughput = 34.3259 MElements/s, Time = 0.03055 s, Size = 1048576 elements Test passed
GPU Device 0: "GeForce GT 640" with compute capability 3.5 Sorting 1048576 32-bit unsigned int keys and values radixSort, Throughput = 98.2300 MElements/s, Time = 0.01067 s, Size = 1048576 elements Test passed
GT 640(GK208) のほうが3倍くらい速い。
Thrustのソートアルゴリズムについてはよく理解してないのでこれ以上はノーコメ。
65535 particles
15-30fps
65535 particles
65-94fps
煙の球がふわふわ動くやつ。
fpsの数値は、画面上に表示されてるものを目視で計測。
煙の球が視点に近いと重く、遠いと軽くなる。
煙のシミュレーションもさることながら、影(半透明影?)の描画もこのクラスのGPUにとっては重い部類ではないかと思う。
GT 640(GK208) のほうが3−4倍速い感じ。
GPU Device 0: "GeForce GT 520" with compute capability 2.1 > GPU does not support HyperQ CUDA kernel runs will have limited concurrency > Detected Compute SM 2.1 hardware with 1 multi-processors Expected time for serial execution of 32 sets of kernels = 0.640s Expected time for fully concurrent execution of 32 sets of kernels = 0.020s Measured time for sample = 0.351s
GPU Device 0: "GeForce GT 640" with compute capability 3.5 > Detected Compute SM 3.5 hardware with 2 multi-processors Expected time for serial execution of 32 sets of kernels = 0.640s Expected time for fully concurrent execution of 32 sets of kernels = 0.020s Measured time for sample = 0.050s
HyperQのテスト。
HyperQについてはここの説明が分かりやすい。
ソース見てないけど、serial executionとfully concurrent executionに差がないことから、カーネル自体はGPUの性能差で速度差が出ないようなものになってるのではなかろうか。
で、HyperQの有り無しで7倍程度の速度がが出てるみたい。
HyperQが無効でも、serial executionの2倍近い速度が出てるわけで、複数ストリームの同時実行がいかに大事かが分かる。
最近のコメント
名前
しゅごい
Jane Doe
FYI Avoid Annoying Unexpe…
Jane Doe
ご存じとは思いますが、whileには、”~の間”と…
peta_okechan
針金みたいなパーツを引っ張ると外れます。 他の方の…
虎徹ファン交換
虎徹の標準ファンを外す際に、どのようにして外されま…
花粉症対策2019 – 日曜研究室
[…] 花粉症対策についてはこれまで次の記事を書いてきました。https://…
花粉症対策2019 – 日曜研究室
[…] 花粉症対策についてはこれまで次の記事を書いてきました。https://…
花粉症対策2019 – 日曜研究室
[…] 花粉症対策についてはこれまで次の記事を書いてきました。https://…
花粉症対策2019 – 日曜研究室
[…] 花粉症対策についてはこれまで次の記事を書いてきました。https://…
花粉症対策2019 – 日曜研究室
[…] 花粉症対策についてはこれまで次の記事を書いてきました。https://…