Перемножение матриц на PyCuda — с чем связан рост погрешности?

Question

[mrgloom]

Тестировав этот пример на pycuda, наблюдается рост погрешности с ростом размера матрицы (что теоретически логично, т.к. складывается большее кол-во float'ов).

т.е. np.allclose(c_cpu, c_gpu.get()) выдаёт false.

хотя я не понял это ограничение

40 # define the (square) matrix size
41 # note that we'll only use *one* block of threads here
42 # as a consequence this number (squared) can't exceed max_threads,
43 # see documen.tician.de/pycuda/util.html#pycuda.tools.De...
44 # for more information on how to get this number for your device
45 MATRIX_SIZE = 2

related : stackoverflow.com/questions/4104010/cuda-float-poi...

Answer 1

[oleksandr_veles]

Попробуйте прогнать с полчасика этот тест:
wili.cc/blog/entries/gpu-burn/gpu_burn-0.4.tar.gz

По моему опыту, игровые видеокарты спустя пару лет использования могут не проходить этот тест, иными словами, продолжая работать в игрушках, могут некорректно считать.

Comments

[mrgloom]

а какая причина?

[oleksandr_veles]

Выход из строя нескольких транзисторов из миллиардов в чипе или памяти (перегрев, утечки и т.п.) На то они и игровые для ширпотреба.
Не даром на тесла цены завышают внесколько раз.

[mrgloom]

я не думаю, что это проблема железа, а проблема работы с числами с плавающей точкой. Хотя интересно как система знает, что устройство исправно.

[oleksandr_veles]

Достаточно прогнать тест, чтобы исключить проблему в железе.