Recensioni e Dettagli del Prodotto NVIDIA CUDA GL

- Containerizzare un programma grafico con backend ML utilizzando CUDA è diventato molto facile, grazie agli sforzi di NVIDIA con glvnd. Con i container Cuda GL, è molto più semplice avviare e funzionare in pochi minuti, evitando tutti i mal di testa dovuti a versioni di librerie incompatibili e crash arbitrari. Il toolkit Nvidia supporta una vasta gamma di librerie ml/dl. Recensione raccolta e ospitata su G2.com.

- Dall'ultima volta che l'ho visto, ricordo che lo sviluppo e il rilascio di nuovi container erano stati sospesi per altri lavori di debito tecnico. A parte questo, penso che la comunità intorno sia buona e stia crescendo lentamente. Recensione raccolta e ospitata su G2.com.

Ho usato CUDA all'università per studiare cose come l'elaborazione parallela con le GPU, quindi è utile se vuoi conoscere le basi e poi iniziare con passi più avanzati. Recensione raccolta e ospitata su G2.com.

L'unico svantaggio sembra essere la sua età, è utile per qualcuno che vuole chiarire le basi, ma è un po' obsoleto e richiede molte risorse. Ho dovuto eseguire il suo programma su Google Colab piuttosto che sul PC locale a causa del troppo tempo necessario per l'esecuzione. Recensione raccolta e ospitata su G2.com.

- La parte migliore è il supporto multipiattaforma che garantisce che si comporti allo stesso modo su diversi sistemi operativi.

- È abbastanza facile integrarlo con un modello già costruito ed è molto utile per accelerare modelli/applicazioni che richiedono molta potenza di calcolo. Recensione raccolta e ospitata su G2.com.

Questo non è necessariamente un contro, ma costruire implementazioni di base potrebbe essere più facile, mentre per applicazioni più complesse è necessario un buon livello di comprensione. Tuttavia, quella parte è solitamente gestita dagli sviluppatori senior.

Quindi potrebbe volerci del tempo per ottenere una buona padronanza fino a un livello intermedio o esperto. Recensione raccolta e ospitata su G2.com.

I worked on NVIDIA CUDA long time back in 2010. I was building a coding assessment platform similar to Leetcode but for NVIDIA CUDA, which tracks the number of cores and memory usage along with correctness of the solution. I found it difficult to understand, as the concepts are different. However I was able to get the project working and it was used by the university of California to access the skill of the students in parallel programming.

What I liked best was the ability to split and parallelly execute programs which allows massive throughput and reduced time to run compute-intensive programs by orders of magnitude. Recensione raccolta e ospitata su G2.com.

As it was new, I had difficulty understanding the concepts of designing programs to run on multiple cores. I also did not like the tooling around it. There is no debugging or good IDE support. This was initially when I worked on it way back in 2010. Not sure of the current state. Recensione raccolta e ospitata su G2.com.

Uso NVIDIA da 6 anni ormai e le sue prestazioni sono state molto buone. Durabilità al massimo. Funzionare senza problemi per 6 anni è qualcosa che dovrebbe essere apprezzato. Recensione raccolta e ospitata su G2.com.

Non c'è nulla che non mi piaccia riguardo a NVIDIA, ma dato il progresso tecnologico, i prodotti dovrebbero essere disponibili a prezzi ragionevoli. A parte questo, penso che tutto sia buono. Recensione raccolta e ospitata su G2.com.

Ha le migliori prestazioni sul mercato quando si tratta di calcolo. Forniscono un'architettura facile da usare e per scopi di distribuzione. Il toolkit Nvidia è molto completo. Recensione raccolta e ospitata su G2.com.

Non ci sono svantaggi specifici, ma tutto ha margine di miglioramento. È progettato principalmente per le schede più vecchie, ma si adatta bene anche a quelle più recenti. Nel complesso, ottimo. Recensione raccolta e ospitata su G2.com.

Mi piacciono diversi aspetti di NVIDIA CUDA GL:

1. Accelera significativamente il calcolo dei tensori.

2. Ha una migliore compatibilità con diverse versioni di GPU.

3. Ha ridotto i crash del sistema operativo (ho esperienza su Ubuntu 18.04 e Ubuntu 20.04) e i bug in alcune librerie dopo l'installazione della nuova libreria. Recensione raccolta e ospitata su G2.com.

Fino ad ora non ho trovato alcun problema lavorando con NIVIDA CUDA GL. Tutto è fantastico. Recensione raccolta e ospitata su G2.com.

Sono le caratteristiche di velocità e calcolo parallelo. Recensione raccolta e ospitata su G2.com.

Il suo costo è un po' alto per utenti medi come me. Recensione raccolta e ospitata su G2.com.

Facilità d'uso e facile adozione su GPU NVIDIA. Il linguaggio CUDA sembra anche familiare, quindi è facile e veloce da capire e imparare, il che è uno dei maggiori vantaggi che ha rispetto ai suoi concorrenti. Recensione raccolta e ospitata su G2.com.

L'unico problema è che, essendo specifico per l'architettura di NVIDIA, è un po' difficile da raccomandare considerando che ci sono alternative come OpenCl. Se ci sono miglioramenti da fare, penso che si debba cercare di essere più inclusivi? Recensione raccolta e ospitata su G2.com.

We are already aware about programming languages, CUDA is as simple as any other programming language to understand and quickly code the parallel processing logic. Recensione raccolta e ospitata su G2.com.

Lack of online resources and quick tutorials with examples must be available to grow the usage. Also, understanding when to use and when not to use CUDA is a skill, that also should be explained. Recensione raccolta e ospitata su G2.com.