Спасибо за tutorial, к сожалению он немного устарел — разработчики выкатили новую версию DVC и теперь весь граф хранится в одном файле, но суть происходящего это меняет только отчасти. Возможно Вы бы смогли ответить на несколько вопросов:
1) Как осуществляете переход от графа в DVC к прод модели? Кто делает и какие шаги?
2) Имеются ли у Вас рекомендации по командной работе в рамках одного графа?
Пример задачи когда Xeon Phi лучше чем GPU: вычисление двух-элетронных интегралов (two-elecron integrals) в вычислительной квантовой механики. Вычисление требует большого количества промежуточных значений, для хранения которых shared memory кое-как хватает. Алгоритм реализовать, конечно можно, но трудозатраты очень больший и ускорение далеко не впечатляющее.
Пример задачи когда GPU лучше: молекулярная динамика. Код параллелится относительно не сложно (обычно трудности возникают при использовании нескольких GPU), а прирост производительности (по сравнению с CPU) десятки раз.
Согласен, погорячился с выносом OpenCV в название статьи, так как здесь ему отведена роль вспомогательная.
Изначальной целью было разобраться как можно более-менее красиво изобразить эффект преломления света на границе раздела сред в случае «плоской картинки»/фотографии. Здесь опять же вижу свою недоработку — нужно было четко формулировать цели и задачи.
1) Как осуществляете переход от графа в DVC к прод модели? Кто делает и какие шаги?
2) Имеются ли у Вас рекомендации по командной работе в рамках одного графа?
Пример задачи когда GPU лучше: молекулярная динамика. Код параллелится относительно не сложно (обычно трудности возникают при использовании нескольких GPU), а прирост производительности (по сравнению с CPU) десятки раз.
Изначальной целью было разобраться как можно более-менее красиво изобразить эффект преломления света на границе раздела сред в случае «плоской картинки»/фотографии. Здесь опять же вижу свою недоработку — нужно было четко формулировать цели и задачи.