[Plain 169]

у многих есть непонимание

Есть, но только не на то, что Вы расписали, а вот на это:

 

представьте, что у меня есть 100мкс, за которые мне надо

[sonycman 0]

даже в DE0-SOC в HPSной части не может выполнить 3к таких операций за 100мкс. А вот Интел Эдисон - может...

Интересно было бы узнать, почему два ядра Cortex-a9 на 800 МГц уступают двум x86 на 500МГц?

[iiv 18]

Интересно было бы узнать, почему два ядра Cortex-a9 на 800 МГц уступают двум x86 на 500МГц?

А у него есть двойная точность хотя бы за такт? В эмуляции через одинарную оно только десятки мегафлопс против 800 реальных и 1000 пиковых показывает

[sonycman 0]

А у него есть двойная точность хотя бы за такт? В эмуляции через одинарную оно только десятки мегафлопс против 800 реальных и 1000 пиковых показывает

Могу прогнать какой нибудь код на одном ядре.

Можете дать наводку на нужный?

[krux 8]

TMS320C6678

linux на нём нормально живёт.

 

кушать и грется он гораздо сильнее эдисона будет, но и запас по скорости числодробления у него солидный. 4 гигабайта памяти на него повесить можно.

 

LAPACK оптимизированный под него вроде есть, бенчмарки тоже можно посмотреть.

[iiv 18]

У многих есть понимание того факта что задачи которые Вы описываете на эдисонах не решают и не пытаются...

Вы когда stepdown от одной литиевой ячейки проектируете, наверное не будете ключ на 300В закладыватся, вот и я, хорошо понимая, что на каком железе можно заимплементировать, не поставлю туда десятый стратикс с 12 ядрами ксенона и парой нвидишных тесел. (edited, и чего только мобильник не подставит а глаза прохлопали)

 

А возвращаясь моему исходному вопросу просто продолжаю искать недорогое решение на например четырех ядрах А15 но в модульном исполнении, чтоб взял и поставил, и память не разводить и линукс не хачить.

[EvilWrecker 0]

Вы когда stepdown от одной литиевой ячейки проектирует, наверное не будете ключ на 300В закладывать, вот и я хорошо понимая что на каком железе можно заимплементировать не поставлю туда десятый стратикс с 12 ядрами ксенона и парой нвидишных тесно.

Степдаун для литиевых батареек не делаю :laughing: но точно могу сказать что в другую сторону перегибать смысла нет- и об этом мой пост который Вы цитируете.

А возвращаясь моему исходному вопросу просто продолжаю искать недорогое решение на например четырех ядрах А15 но в модульном исполнении

Гуглите любой SoM с заданным ядром- например OMAP 5, но я бы смотрел камни с Cortex 5x, например на последних Snapdragon.

[iiv 18]

Можете дать наводку на нужный?

конечно, простенький запускатель приложил, чтобы посмотреть как и что получается. Код просто компилится, но при линковке поросит BLAS библиотеку, на данный момент рулит http://www.openblas.net/ , но не догма. Если не получится ее поставить, то можно закомментировать два последних вызова и соответствующие функции, тогда код ничего не просит, но, обычно и не показыват хороших результатов.

 

Вывод на экран у этого кода для каждой строки:

<название операции> <характерный размер вектора или матрицы> <число повторений для усреднения> <суммарное время работы> <достигаемые флопы>

 

На ИнтелЭдисоне приатачил выхлоп, на начало смотреть не интересно, а вот в конце на матрица на матрицу

 

optimized float gemm: Alpha*A*B + Beta*C -> C
sgemm: 8 32769 0.127395 263.397MFlop/s
sgemm: 16 4097 0.0524575 639.806MFlop/s
sgemm: 32 513 0.0312485 1075.89MFlop/s
sgemm: 64 65 0.0247532 1376.74MFlop/s
sgemm: 128 9 0.0136254 2770.47MFlop/s
sgemm: 256 2 0.0209692 3200.35MFlop/s
sgemm: 512 1 0.0768407 3493.4MFlop/s
sgemm: 1024 1 0.593705 3617.09MFlop/s
sgemm: 2048 1 4.73977 3624.62MFlop/s

optimized double gemm: Alpha*A*B + Beta*C -> C
dgemm: 8 32769 0.208578 160.877MFlop/s
dgemm: 16 4097 0.114323 293.577MFlop/s
dgemm: 32 513 0.091746 366.446MFlop/s
dgemm: 64 65 0.086877 392.264MFlop/s
dgemm: 128 9 0.046618 809.746MFlop/s
dgemm: 256 2 0.080234 836.414MFlop/s
dgemm: 512 1 0.318708 842.261MFlop/s
dgemm: 1024 1 2.50245 858.153MFlop/s
dgemm: 2048 1 19.9557 860.901MFlop/s

 

выше я получал результаты только на четырех ядрах А15 или A57 и обычных х86 или GPU, на остальных ембеддед платформах получить от 800МФлопс на двойной точности на умножении матриц размера от 128х128 обычно очень затруднительно.

 

С Лапаком тесты в этом примере убрал, ибо не всегда на раз можно скомпилировать и слинковать фортрановский код.

res.txt

c.zip

[krux 8]

TMS320C6678 BLAS benchmark:

http://processors.wiki.ti.com/images/c/cf/...bench_C6678.pdf

[iiv 18]

TMS320C6678 BLAS benchmark:

http://processors.wiki.ti.com/images/c/cf/...bench_C6678.pdf

да, конечно, согласен с Вами, и не только у него, а и на эксиносе можно схожее получить если MALI T6* например, задействовать, только ведь если вписываться в схожие габариты, то это 1. конский ценник, 2. недецкая работа по разводке, и того, и другого хотелось бы избежать, чем собственно ИнтелЭдисон и нравился.

[sonycman 0]

Вот что на одном ядре Cortex-A9 (800 МГц, Cyclone V SoC Baremetal) получилось:

integer copy: A(i) -> B(i)
icopy: 1 134217728 2.34881 57.1429MFlop/s
icopy: 2 67108864 1.76161 76.1905MFlop/s
icopy: 4 33554432 0.461374 290.909MFlop/s
icopy: 8 16777216 0.356516 376.47MFlop/s
icopy: 16 8388608 0.293602 457.142MFlop/s
icopy: 32 4194304 0.293602 457.142MFlop/s
icopy: 64 2097152 0.293601 457.143MFlop/s
icopy: 128 1048576 0.308019 435.745MFlop/s
icopy: 256 524288 0.30081 446.188MFlop/s
icopy: 512 262144 0.297206 451.598MFlop/s
icopy: 1024 131072 0.295404 454.353MFlop/s
icopy: 2048 65536 0.294503 455.743MFlop/s
icopy: 4096 32768 0.294054 456.439MFlop/s
icopy: 8192 16384 0.299379 448.32MFlop/s
icopy: 16384 8192 0.518028 259.094MFlop/s
icopy: 32768 4096 0.433614 309.533MFlop/s
icopy: 65536 2048 0.423497 316.927MFlop/s
icopy: 131072 1024 1.57213 85.3734MFlop/s
icopy: 262144 512 1.70374 78.7783MFlop/s
icopy: 524288 256 1.671 80.3217MFlop/s
icopy: 1048576 128 1.61824 82.9406MFlop/s

integer axpy: A(i)*Alpha + B(i) -> B(i)
iaxpy: 1 33554432 0.754976 88.8887MFlop/s
iaxpy: 2 16777216 0.545259 123.077MFlop/s
iaxpy: 4 8388608 0.230687 290.909MFlop/s
iaxpy: 8 4194304 0.209715 320MFlop/s
iaxpy: 16 2097152 0.209715 320MFlop/s
iaxpy: 32 1048576 0.209715 320MFlop/s
iaxpy: 64 524288 0.209715 320MFlop/s
iaxpy: 128 262144 0.210043 319.501MFlop/s
iaxpy: 256 131072 0.209879 319.75MFlop/s
iaxpy: 512 65536 0.209797 319.875MFlop/s
iaxpy: 1024 32768 0.209757 319.936MFlop/s
iaxpy: 2048 16384 0.209737 319.967MFlop/s
iaxpy: 4096 8192 0.335971 199.746MFlop/s
iaxpy: 8192 4096 0.364168 184.28MFlop/s
iaxpy: 16384 2048 0.366996 182.86MFlop/s
iaxpy: 32768 1024 0.367101 182.808MFlop/s
iaxpy: 65536 512 0.694582 96.6176MFlop/s
iaxpy: 131072 256 0.86259 77.7993MFlop/s
iaxpy: 262144 128 0.885185 75.8134MFlop/s
iaxpy: 524288 64 0.896598 74.8483MFlop/s
iaxpy: 1048576 32 0.899761 74.5852MFlop/s

integer gemm: Alpha*A*B + Beta*C -> C
igemm: 1 16777217 0.566232 59.2592MFlop/s
igemm: 2 2097153 0.275251 121.905MFlop/s
igemm: 4 262145 0.206768 162.281MFlop/s
igemm: 8 32769 0.128414 261.307MFlop/s
igemm: 16 4097 0.08595 390.49MFlop/s
igemm: 32 513 0.067358 499.124MFlop/s
igemm: 64 65 0.058329 584.25MFlop/s
igemm: 128 9 0.071259 529.74MFlop/s
igemm: 256 2 0.114164 587.829MFlop/s
igemm: 512 1 0.890407 301.475MFlop/s
igemm: 1024 1 8.25183 260.243MFlop/s

float axpy: A(i)*Alpha + B(i) -> B(i)
faxpy: 1 33554432 0.754976 88.8887MFlop/s
faxpy: 2 16777216 0.524288 128MFlop/s
faxpy: 4 8388608 0.241172 278.261MFlop/s
faxpy: 8 4194304 0.220201 304.762MFlop/s
faxpy: 16 2097152 0.220201 304.762MFlop/s
faxpy: 32 1048576 0.220201 304.762MFlop/s
faxpy: 64 524288 0.220201 304.762MFlop/s
faxpy: 128 262144 0.220528 304.31MFlop/s
faxpy: 256 131072 0.220365 304.535MFlop/s
faxpy: 512 65536 0.220283 304.648MFlop/s
faxpy: 1024 32768 0.220242 304.705MFlop/s
faxpy: 2048 16384 0.220223 304.731MFlop/s
faxpy: 4096 8192 0.342565 195.901MFlop/s
faxpy: 8192 4096 0.365098 183.811MFlop/s
faxpy: 16384 2048 0.367064 182.826MFlop/s
faxpy: 32768 1024 0.367172 182.772MFlop/s
faxpy: 65536 512 0.698279 96.1061MFlop/s
faxpy: 131072 256 0.865678 77.5217MFlop/s
faxpy: 262144 128 0.887534 75.6127MFlop/s
faxpy: 524288 64 0.898818 74.6635MFlop/s
faxpy: 1048576 32 0.901088 74.4754MFlop/s

float gemm: Alpha*A*B + Beta*C -> C
fgemm: 1 16777217 0.534774 62.7451MFlop/s
fgemm: 2 2097153 0.251659 133.333MFlop/s
fgemm: 4 262145 0.182846 183.513MFlop/s
fgemm: 8 32769 0.145617 230.436MFlop/s
fgemm: 16 4097 0.124048 270.562MFlop/s
fgemm: 32 513 0.114452 293.747MFlop/s
fgemm: 64 65 0.113251 300.913MFlop/s
fgemm: 128 9 0.143249 263.518MFlop/s
fgemm: 256 2 0.234565 286.099MFlop/s
fgemm: 512 1 1.29243 207.698MFlop/s
fgemm: 1024 1 11.4308 187.869MFlop/s

double axpy: A(i)*Alpha + B(i) -> B(i)
daxpy: 1 33554432 0.587203 114.286MFlop/s
daxpy: 2 16777216 0.54526 123.077MFlop/s
daxpy: 4 8388608 0.482345 139.13MFlop/s
daxpy: 8 4194304 0.482345 139.13MFlop/s
daxpy: 16 2097152 0.482345 139.13MFlop/s
daxpy: 32 1048576 0.482345 139.13MFlop/s
daxpy: 64 524288 0.482345 139.13MFlop/s
daxpy: 128 262144 0.484311 138.566MFlop/s
daxpy: 256 131072 0.483328 138.847MFlop/s
daxpy: 512 65536 0.482837 138.989MFlop/s
daxpy: 1024 32768 0.482591 139.06MFlop/s
daxpy: 2048 16384 0.71855 93.3948MFlop/s
daxpy: 4096 8192 0.748127 89.7025MFlop/s
daxpy: 8192 4096 0.756389 88.7227MFlop/s
daxpy: 16384 2048 0.756724 88.6834MFlop/s
daxpy: 32768 1024 1.36238 49.2584MFlop/s
daxpy: 65536 512 1.74453 38.4682MFlop/s
daxpy: 131072 256 1.7909 37.4722MFlop/s
daxpy: 262144 128 1.79451 37.3967MFlop/s
daxpy: 524288 64 1.79465 37.3937MFlop/s
daxpy: 1048576 32 1.79501 37.3864MFlop/s

double gemm: Alpha*A*B + Beta*C -> C
dgemm: 1 16777217 0.503317 66.6666MFlop/s
dgemm: 2 2097153 0.263455 127.363MFlop/s
dgemm: 4 262145 0.201197 166.775MFlop/s
dgemm: 8 32769 0.163722 204.954MFlop/s
dgemm: 16 4097 0.144506 232.258MFlop/s
dgemm: 32 513 0.135318 248.452MFlop/s
dgemm: 64 65 0.143856 236.895MFlop/s
dgemm: 128 9 0.163413 231.002MFlop/s
dgemm: 256 2 0.345664 194.145MFlop/s
dgemm: 512 1 2.47972 108.252MFlop/s
dgemm: 1024 1 20.7655 103.416MFlop/s

 

BLAS библиотеку не ставил, она только под x86, насколько я понял?

[krux 8]

да, конечно, согласен с Вами, и не только у него, а и на эксиносе можно схожее получить если MALI T6* например, задействовать, только ведь если вписываться в схожие габариты, то это 1. конский ценник, 2. недецкая работа по разводке, и того, и другого хотелось бы избежать, чем собственно ИнтелЭдисон и нравился.

конский ценник на эту часть комплекса должен был быть вами заложен изначально.

печально, что этого не случилось.

 

купите Edison сейчас. на 2 года вперёд.

в другом случае у вас нет вариантов ни выполнить текущие заказы, ни предложить альтернативу годом позже.

[iiv 18]

Вот что на одном ядре Cortex-A9 (800 МГц, Cyclone V SoC Baremetal) получилось:

...
dgemm: 32 513 0.135318 248.452MFlop/s
...

классно, спасибо огромное, значит у меня руки кривые, я раз так в 10 меньше получал года два назад с DE0-SOC, и поэтому забил на эту затею!!!!

 

BLAS изначально была сделана на x86, но сейчас есть инсталляторы (OpenBLAS, ATLAS, GotoBLAS) которые позволяют в линукс или сугвине скомпилить версию библиотеки, заточенную под конкретную архитектуру. Иногда такая компиляция длится несколько дней. Даже если это не будет работать, то я могу свой подкласс версий бласа протестировать и соптимизировать под этот процессор. Цифра 248МФлопс на двойной точности с одного ядра на матрице 32х32 на этом примере означает то, что можно получить что-то порядка 800МФлопс, а может и больше!

 

Спасибо большое!!!

 

Это реально означает, что Cyclone SOC с бареметалом и планкой памяти однозначно решит всю задачу, а результаты уже можно будет сбрасывать на любой копеешный блок на каком-нибудь imx223, чтобы на нем юзер управлял самим экспериментом и с него забирал данные.

[Herz 4]

Ключевая идея - менять тип ЯМР эксперимента на лету на основе того, что получилось, проводя неравномерный семплинг. Да, именно данные в реальном времени должны быть обработаны, пусть не до конца, но большей частью, и на основе того, что получилось, надо изменить тип ЯМРного эксперимента, чтобы на гавенных магнитах с китайской барахолки получить реально хороший спектр.

Немного не в тему, но по сути. Просто хочется понять.

Если такая предельно высокая производительность вычислений Вам нужна для того, чтобы применять магниты с барахолки, то нет ли здесь иной возможности? Вряд ли Ваш прибор должен будет работать с любыми магнитами с барахолки, так? То есть, замена их ведь не предусматривается и для каждого конкретного экземпляра будут свои конкретные магниты?

Тогда, может, тогда возможно произвести "заводскую" калибровку один раз и иметь в памяти прибора данные о его магнитах?

[krux 8]

Немного не в тему, но по сути. Просто хочется понять.

Если такая предельно высокая производительность вычислений Вам нужна для того, чтобы применять магниты с барахолки, то нет ли здесь иной возможности? Вряд ли Ваш прибор должен будет работать с любыми магнитами с барахолки, так? То есть, замена их ведь не предусматривается и для каждого конкретного экземпляра будут свои конкретные магниты?

Тогда, может, тогда возможно произвести "заводскую" калибровку один раз и иметь в памяти прибора данные о его магнитах?

нестабильность магнитов с барахолки там намного меньше, чем для самопальных катушек формирования измерительного импульса.

калиброваться относительно водорода в измеряемом образце в таких условиях - необходимость.