Copyright © 1998-2024 CDR server s.r.o.
Všechna práva vyhrazena.
ISSN 1804-5405.
Copyright © 1998-2024 CDR server s.r.o.
Všechna práva vyhrazena.
ISSN 1804-5405.
Tak co kdy tady bude zpráva o nových ovladačích nVidie? Za týden?
Hlavne to ne, NVidia prida par radku kodu a tady bude zase az prilis dlouha zprava, jak moc se toho zase nepovedlo.
Nevím.
Tak nějak mi uniká pointa. Můj osobní závěr z článku je, že Blender je špatně optimalizován pro novější hardware a lépe využívá OpenCL než CUDA. Ale je taky možný, že si to jenom špatně vykládám.
kde je v tom clanku graf co srovnava vykon opencl vs cuda na stejnym hardwaru? zadnej takovej tam nevidim.. koukam spatne?
,,Při renderingu přes GPU se používá buďto OpenCL ve spojení s kartami AMD Radeon a CUDA s NVIDIA GeForce."
A jelikož mají karty s vyšším výpočetní výkonem a CUDA horší výsledky než karty s nižším výpočetním výkonem a OpenCL tak tímto nepřímím srovnáním výde, že Blender lépe využívá OpenCL.
Jinak srovnání CUDA vs OpenCL můžete udělat jen u NVIDIe a tudíž to nemá moc smysl.
kdyz neni srovnani na stejnym hardwaru, tak se neda vyvozovat, ze to je implementaci cuda/opencl.. stejne tak to muze bejt ruznou architekturou nebo jinejma duvodama
Blender pro NVIDIA karty používá pouze CUDA, OpenCL není podporované, to lze použít jen s Radeony. Takže přímé srovnání NVIDIA karet v Blenderu CUDA vs OpenCL není aktuálně možné.
To uz opakovane ukazalo tezeni kryptomen... nvidie ve vypoctech vykazuje dlouhodobe horsi vysledky, nez by mela mit s danym hrubym vypocetnim vykonem.
... coz neni vubec prekvapive. Nvidia dlouhodobe usiluje vsechny zajemce o vypocty nasmerovat na Tesly, a ne-Tesla karty miri na gaming, takze maji vypocetni featury osekany na minimum. Nejnovejsi pridavek Tensor cores do gaming karet je spis vyjimka, a jediny duvod je DLSS. Z business hlediska to dava smysl...
Jak jsem zmiňoval na začátku, je to spíš takové informační, jak si různý HW vede v Blenderu. Bohužel jsem neměl v nedávné minulosti žádné GeForce RTX či 1080 Ti, velká Quadra, Radeony Pro a tak podobně. Zda je lepší implementace OpenCL oproti CUDA, to netuším, nepřijde mi, že by si ty NVIDIA karty vedly zle.
tak nVidia RTX 2070 test take nedobehne. Po chvilce se ukonci s chybou.
Crashne jen první barbershop? Nebo i ostatní? Ve Windows?
Ano, Windows 10 a crashnou vsechny testy.
Pro zajímavost pár výsledků na chybějícím Pascalu 1080Ti, Vega 64 a na více na CPU "vydatném" hardwaru :-). OS vždy Linux 64bit:
Vega 64: OpenCL
Barber - 973s, BMW2 - 112s, Classroom - 233s, Fishy Cat - 239s, Koro - 266s, Pavillon - 341s
Geforce 1080Ti: CUDA
Barber - 1006s, BMW2 - 116s, Classroom - 279s, Fishy Cat - 222s, Koro - 499s, Pavillon - 297s
AMD Epyc 7551P:
Barber - 531s, BMW2 - 98s, Classroom - 298s, Fishy Cat - 138s, Koro - 223s, Pavillon - 242s
2xAMD Opteron 6380
Barber - 1339s, BMW2 - 289s, Classroom - 864s, Fishy Cat - 389s, Koro - 621s, Pavillon - 695s
Díky moc! Zajímavé je, že Vám jede ta 1080 Ti v linuxu v pohodě, asi to tedy bude nějaký problém ve Windows. Ten Epyc má výkon fakt kulervoucí.
Zrovna mi tu dnes jedna 1080 Ti přistála, tak to schválně zkusím, zda crashne ve woknech jako ty ostatní karty.
To ano, 180W Epyc je rychlejší než 250/280W herní GPU a to o hodně, samotného mě to překvapilo :-). On má 8 kanálový řadič s propustností 170 GB/s, to mu tady významně pomáhá. Ty Opterony jsou výkonově na úrovni 1700X až 2700X s cca trojnásobnou spotřebou ale zase je to už 6 let stará platforma. Osazeny jsou tam taky 2x4 DIMM pro jejich maximální propustnost 51,2 GB/s, je to quad channel. Serverový hardware tu trošku chyběl, tak jsem to pustil když je ta možnost ;-). Jestli se hecnu, pustím to i na profi WX7100PRO ale to bude ve windows :-).
Za to může nejspíš ten tile-based rendering, ten EPYC prostě počítá tolik tiles, kolik má threadů a i když jeden tile trvá déle než třeba na Ryzenu 7 2700X, tak jich dělá tolik najednou, že to prostě předběhne, to samé vs GPU. Nicméně pořizovací cena takového Epyckého stroje bude spíše vyšší než PC s V64. Ale i tak je to moc pěkný výsledek.
Já mám k dispozici také nějaký serverový HW, ale aktuálně všude něco běží a nechce se mi migrovat hromady virtuálů, abych nějaký server uvolnil pro Blender, možná až někdy bude nějaké maintenance okno ;D
Tak cena bude vždy vyšší, zase ten Epyc je energeticky mnohem víc efektivní v rámci dlouhodobého provozování. Celá sestava se 128 GB RAM má v plné zátěži menší spotřebu než samotná Vega 64 - cca na úrovni 255W. Když odhlédneme od toho že do běžného počítače obvykle nedáš ECC paměti s bezproblémovou kapacitou stovek GB ani ho neumístíš do racku po X kusech s řádově lepší vzdálenou správou apod., tak máš vyšší šanci na chyby a pořád potřebuješ celý počítač aby tu Vegu krmil, tedy i další spotřebu navíc.
Spíš je to tu jen pro porovnání - pro obyčejného člověka se vyplatí koupit si třeba tu Vegu nebo jiné vhodné GPU a nějaké rozumně výkonné a drahé CPU. Když to ale potřebuješ dělat paralelně ve velkém, protože takových obrázků musíš mít dnes i 60 na 1 sekundu filmu, začne se ti provoz rychle prodražovat na klidně i více než dvojnásobné spotřebě energie a celkové náklady tak ve finále mohou být při použití těch CPU znatelně nižší, případně koupíš profesionální výpočetní karty, které jsou stejně nebo ještě násobně dražší než většina CPU ale poskytovaný výkon tomu odpovídá. Tak ale uvažuje vlastník - profesionál, co se tím živí ve velkém protože si může dovolit tu velkou klidně mnohamilionovou investici na začátku.
DObre vysledky ma i 980Ti:
bmw27:133.381
classroom:364.208
To není špatné :)
{
"benchmark_client": {
"client_version": "1.0b2"
},
"blender_version": {
"build_commit_date": "2018-03-22",
"build_commit_time": "14:10",
"build_date": "2018-03-22",
"build_hash": "f4dc9f9d68b",
"build_time": "09:59 AM",
"version": "2.79 (sub 0)"
},
"device_info": {
"compute_devices": [
"AMD Radeon R9 Fury Series"
],
"device_type": "OPENCL",
"num_cpu_threads": 8
},
"scenes": [
{
"name": "bmw27",
"stats": {
"device_memory_usage": 1675.71,
"device_peak_memory": 1675.71,
"pipeline_render_time": 241.11,
"render_time_no_sync": 207.953,
"result": "OK",
"total_render_time": 221.634
}
},
{
"name": "classroom",
"stats": {
"device_memory_usage": 1943.16,
"device_peak_memory": 1943.16,
"pipeline_render_time": 484.12,
"render_time_no_sync": 461.505,
"result": "OK",
"total_render_time": 465.248
}
}
],
"system_info": {
"bitness": "64bit",
"cpu_brand": "AMD FX(tm)-9370 Eight-Core Processor ",
"devices": [
{
"name": "AMD FX(tm)-9370 Eight-Core Processor",
"type": "CPU"
},
{
"name": "AMD Radeon R9 Fury Series",
"type": "OPENCL"
},
{
"name": "GeForce GTX 780",
"type": "CUDA"
}
],
"machine": "AMD64",
"num_cpu_cores": 4,
"num_cpu_sockets": 1,
"num_cpu_threads": 8,
"system": "Windows"
},
"timestamp": "2018-11-17T13:43:06.209711+00:00"
}
{
"benchmark_client": {
"client_version": "1.0b2"
},
"blender_version": {
"build_commit_date": "2018-03-22",
"build_commit_time": "14:10",
"build_date": "2018-03-22",
"build_hash": "f4dc9f9d68b",
"build_time": "09:59 AM",
"version": "2.79 (sub 0)"
},
"device_info": {
"compute_devices": [
"GeForce GTX 780 (Display)"
],
"device_type": "CUDA",
"num_cpu_threads": 8
},
"scenes": [
{
"name": "bmw27",
"stats": {
"device_memory_usage": 149.48,
"device_peak_memory": 149.48,
"pipeline_render_time": 250.61,
"render_time_no_sync": 236.161,
"result": "OK",
"total_render_time": 248.601
}
},
{
"name": "classroom",
"stats": {
"device_memory_usage": 352.3,
"device_peak_memory": 352.3,
"pipeline_render_time": 746.48,
"render_time_no_sync": 742.026,
"result": "OK",
"total_render_time": 745.098
}
}
],
"system_info": {
"bitness": "64bit",
"cpu_brand": "AMD FX(tm)-9370 Eight-Core Processor ",
"devices": [
{
"name": "AMD FX(tm)-9370 Eight-Core Processor",
"type": "CPU"
},
{
"name": "AMD Radeon R9 Fury Series",
"type": "OPENCL"
},
{
"name": "GeForce GTX 780",
"type": "CUDA"
}
],
"machine": "AMD64",
"num_cpu_cores": 4,
"num_cpu_sockets": 1,
"num_cpu_threads": 8,
"system": "Windows"
},
"timestamp": "2018-11-17T19:00:21.949258+00:00"
}
Testovano na AMD Athlon II X2 250 (quick test)
bmw27: 4350.31
classroom: 15610.6
Pro psaní komentářů se, prosím, přihlaste nebo registrujte.