Компания AMD открыла код ROCm — собственной реализации OpenCL

Оно в 1000раз медленнее реалтайма. Как будет в районе порядка - приходи.
Реалтайма даже в районе 5порядков нет.

Откуда эти данные? Вот код - https://github.com/google/FluidNet, можешь сам все проверить и сравнить.

Каких данных - чего сгенерено? Я бы сказал что там у тебя неограниченно.

Ты что-ли вообще не понимаешь как работают нейросети? Для их тренировки нужны большие объемы данных и это обычно проблема. Но в области графики таких данных можно сгенерировать практически бесконечное количество.

Вот еще один пример в графике - сеть тренируют увеличивать картинки. https://github.com/Tetrachrome/subpixel

Про ГО вообще смешно читать что ты написал. 10 строк кода, лол. Если так все просто, то чего-же никто так и не написал программу (без нейросетей) которая побеждает лучших из людей?

В рамках проекта «Фазово-функциональная нейронная сеть» (Phase-Functioned Neural Network) учёные разработали самообучающуюся систему, которая позволяет моделировать движения виртуального персонажа в реальном времени.

Вы всё врете! Это жидовский заговор! На самом деле ничего не работает!

Область применения этого чуда?

Блджад, столько тупняка в одном треде давно не видывал.

Уже ж сделали супербота на нейросетках почти для всех популярных некогда игрушек. Теперь ждём такого же от производителей

Это другое, супербот эмулировал игрока, узнавал об игровой ситуации по картинке на экране и управлял как бы нажимая на кнопки. Внутриигровому ИИ это не надо.

Внутриигровому AI не надо распознавать картинку, принимать в текущей игровой ситуации правильное (или человеческое) решение ему всё равно надо, если он не скучный заскриптованный монстр, которых ты косишь тысячами.

Хитрые трюки для ускорения обучения сетей, да.

Библиотека быстрых примитивов для операций, используемых внутри нейросеток, работающая как промежуточный уровень между CUDA и фреймворками самих нейросеток.

На этом амд даже гном лагает, так что да, лучший опенсорсный драйвер пока что у интела.

Вот только «человечность» решения определяется не тем, скрипт это или нейросеть, а как раз теми проблемами, с которыми внутриигровой ИИ не сталкивается. Человек по-разному обнаруживает объекты в зависимости от их контрастности к фону, пестрости объекта и фона, их статичности или движения. Человек ограничен в способности следить за слишком большим числом объектов, в памяти, в скорости реакции, скорости принятия решений и в темпе выдачи управляющих команд. Человек утомляем и подвержен эмоциям. Нейросети не обладают этими свойствами. Чтоб нейросеть вела себя так, всё это нужно прописать вне её, моделировать зрение, центр внимания, усталость. Соответственно вся «человечность» окажется скриптами и формулами.

Человечность нейросети можно вполне задавать теми примерами, на которых она учится, обучить её играть в танки исключительно на игроках с винрейтом сильно меньше половины, и она тоже будет изображать из себя оленеводческий совхоз имени Сергея Буркатовского, рашить по центру или работать героическим подкустовым выползнем не сильно хуже среднестатистического школьника-танкиста.

Во первых это не графический драйвер, во вторых у Intelа не в git-снапшотах последний стабильный драйвер нерабочий вообще, если не откатывать 2D ускорение на legacy техники вручную, а в git он только изредка фризится при выходе, например, из 3D скринсейвера.

Реализации OpenCL работают, твоя проблема - что нет чего-то конкретного, написанного на OpenCL. Ну не повезло. Есть готовые опенсорсные библиотеки для BLAS и FFT, хэши для майнинга. Чего-то, написанного под куду, нет на OpenCL - всё можно дописать и расширить список поддерживаемого железа.

в molecular modelling есть рабочее на cuda и есть тестовое на opencl, которое кроме как на nvidia нигде не заводится из-за различий в реализации

А есть ссылка на реализацию? Там может быть как два пальца просто поправить - на C никогда не было проблемой писать нестандартный код который работает мимо спецификаций на одной реализации.

Да это очередной обчитавшийся всяких желтушных гиктаймсов и теперь фрилансящий кодогенерирующей нейросетью из умного марксианского поселения куда он долетел на ракете Маска.

Написать всё можно, только зелёные написали всё нужное уже несколько лет назад, а с opencl оно те же несколько лет пребывает в состоянии «почти всё работает, кроме вашего»

Вот, например, библиотека для расчётов: https://simtk.org/projects/openmm

OpenCL дофига кто поддерживает. Это промышленный стандарт. Мало кто умеет сейчас CUDA-only.

Эта cuDNN - нафиг не нужное говнище. Лучше взять FPGA и на ней реализовать ускорение интересующего алгоритма в этой области. Будет быстрее и меньше энергии жрать. А ещё гибкость реализации алгоритмов куда выше.

Невидия... Это та самая контора, которая до сих пор не может осилить профилировщик графического стека? Та самая контора, которая до сих пор OpenGL 4 не поддерживает? Та самая контора, которая нормальные драйверы для линуксе уже дофига лет выпустить не может? Та самая контора, которая зажимает спецификации на свои чипы и прямым тестом о характеристиках чипа врёт в описании? Ну офигеть впереди.

Это нейросети, на вход которых подаются данные и на выходе которых получают данные с требуемыми параметрами. А нейросеть сама их перебирает и конечный результат делает. Эдакий динамический, но в конечном виде специализированный алгоритм, грубо говоря.

Ага, только на cuDNN ездят машинки, сегментируются рентгеновские снимки и раковые биопсии и вообще овердофига применений в промышленности, а FPGA-сеток как-то не очень видно, они все пока в академии, хотя пишут, что очень круто в перспективе, в отдалённом светлом будущем, дайте денег немного на развитие.

В будущем в общем-то так и будет. Даже для игр уже разрабатывают методы прорисовки и симуляции физики использующие нейросети.

Вот только GPU сейчас жёстко сливает FPGA в этой задаче.

И топовые карточки (GV100) уже затачиваются именно под нейросети.

Они до сих пор сливают FPGA. Увеличение производительности в этой области раза эдак в 2-2.5 по сравнению с использованием CUDA - это пшик. В современных FPGA производительность гораздо выше. Так что использование видеокарты для нейросетей - это либо от нищенства либо от тупости.

OpenCL-only проги можно пересчитать по пальцам одной руки и они работают почти исключительно на костылях от nvidia. Почти все известные мне считающие на видюхах проги нормально работают с CUDA, иногда их получается завести в режиме ограниченной функциональности с использованием промышленного стандарта.

Покажи фоточку твоего считающего компа с FPGA?

Это уже шарлатанство. Для моделирования физики другие подходы требуются, а не нейросеть, так как тут надо не додумывать, а строго выполнять законы физики. А уж дорисовка... это уже виртуальная шизофрения. Единственно верное направление сейчас - это оптимизация железа под отрисовку и реализация ускорения нормальных алгоритмов в железе, таких как рейтрейсинг. Но невидия предпочла начать скупать и уничтожать конторы, которые рейтрейсинг в реальном времени разрабатывают, так как невидиевские карточки сосут в этой задаче, а у AMD решения даже в текущем виде производительнее выходят. Да и по мнению Хуанга нафига технологии развивать, когда можно одну и ту же видяху продавать дофига лет, уток подразгоняя?

На самом деле VR уже вполне себе работает. Можно купить набор и играться сколько влезет. И там совсем не полторы демки, а целые полноценные игры.

В нейросетях CUDA используют от нищенства. В молекулярной динамике уже вовсю OpenCL используют. И то такое ускорения надо с осторожностью эксплуатировать. Не так давно уже хипстеры в лабораториях на CUDA обожглись тем, что после CUDA неправильные результаты выдавались, так как не было там поддержки стандарта с плавающей точкой. CPU в сложных вычислениях не заменить видеокартой, и FPGA в специализированных вычислениях тоже - факт.

Не так давно уже хипстеры в лабораториях на CUDA обожглись тем, что после CUDA неправильные результаты выдавались, так как не было там поддержки стандарта с плавающей точкой.

Что я только что увидел?

Во первых это не графический драйвер

А что тогда? У меня на всех ноутах с графикой амд такие проблемы.

Область применения - вычисления на GPU.

Вряд ли ресурсоёмкая нейросеть для такого монстра потребуется. Один фиг можно под обучение скрипты подготовить, которые будут вести статистику и определять тем самым тактику, если на то пошло.

Тема про открытие блобика для вычислений на видюхах. Ну и опять же опенсорсный графический драйвер от AMD самый наверное беспроблемный, просто ставишь дистрибутив и всё работает, если дистрибутив старше или ровесник видеокарты, то подтягиваешь более свежий графический стек и всё работает ещё лучше. Блобики от nvidia, не поддерживающие последние дистрибутивные версии софта, или git dice от intel рядом не валяются.

Ну во первых нейросеть обученная может работать везде вплоть до мобильного телефона, во вторых их и придумали когда осознали, что мегабайты ifов все возможные случаи всё равно никогда не перебирают.

а FPGA-сеток как-то не очень видно, они все пока в академии

Есть такое. Но факт в том, что именно они будут рулить: https://www.nextplatform.com/2017/03/21/can-fpgas-beat-gpus-accelerating-next...

На GPU делать ставку не стоит.

OpenCL-only как таковое не имеет большого смысла. Есть смысл в факте поддержки OpenCL. Что там ещё пакет поддерживает - это уже другой вопрос. Ну а то, что много чего поддерживает CUDA, так это исторически сложилось, так как CUDA это первое широко распространённое API для GPGPU.

Такие не держу. Ссылку дал в комментарии выше.

Утверждение о том, что CUDA пытаются пихать даже туда, куда не следует.

В таком случае не нужно городить такие ускорители, так как достаточно поставить огромную машину со специальными процессорами, которые для нейросетей предназначены. Просто надо туда своевременно поставлять данные для обучения, а потом обученные нейросети раздавать. Всё.

Что это даст пока не понятно...

Это даёт возможность не ставить блоб ради OpenCL на новых видеокартах. Сейчас в открытом драйвере есть практически всё - и OpenGL, и Vulkan, и теперь OpenCL прибавился. И производительность вполне на уровне.

Есть такое. Но факт в том, что именно они будут рулить: https://www.nextplatform.com/2017/03/21/can-fpgas-beat-gpus-accelerating-next...

На GPU делать ставку не стоит.

Когда будут рулить, тогда и придёшь, а сегодня рулят GPU. В любом гастрономе можно купить видеокарту за ~$1000 купить видеокарту и обучать нейросети. Где я могу купить аналогичную считалку на FPGA, и сколько это будет стоить?

И что значит «делать ставку», ёпт? Нейросети - это TensorFlow, Torch, Theano. Сейчас в них есть поддержка куды,лениво пилится поддержка OpenCL. Когда решения на FPGA станут эффективнее GPU - добавят поддержку FPGA.

В таком случае не нужно городить такие ускорители, так как достаточно поставить огромную машину со специальными процессорами, которые для нейросетей предназначены. Просто надо туда своевременно поставлять данные для обучения, а потом обученные нейросети раздавать. Всё.

А мы против, что ли? Кинь ссылку, где купить твою специальную машину.

Ключевое слово тут будут, доклад по ссылке делает инженегр из конторы, купившей альтеру и неосилившей сделать нормальную параллельную архитектуру для видеокарт.

Специальные процессоры, предназначенные для нейросетей, на данном этапе развития это CUDA-ядра от nvidia, и очень редко робкие ростки чего-то другого.

Вот только GPU сейчас жёстко сливает FPGA в этой задаче.

Да, они наверно сливают строго специализированным решениям в разы, что не удивительно. Но дело в том, что в играх будущего помимо расчета нейронной сети надо сделать много чего еще, что требует чип более общего назначения. Вы помните так называемые PPU? Специализированный чип для расчета графики. И где они сейчас? Я думаю та же самая судьба будет ожидать и специализированные чипы для расчета нейронок в играх. Это разумеется не касается исследовательских центров, где 99.9% вычислительного времени тратится на обучение этих сетей - там специализированные чипы очень даже приживутся и вытеснят все остальное.

Это уже шарлатанство. Для моделирования физики другие подходы требуются, а не нейросеть, так как тут надо не додумывать, а строго выполнять законы физики. А уж дорисовка... это уже виртуальная шизофрения.

Согласен, что шарлатанство. Но в играх обычно нет задачи «строго промоделировать законы физики». Есть задача - «создать видимость исполнения законов физики». Аналогично и с прорисовкой картины. Обычно нет задачи «строгого фотореализма», но есть задача «приблизительной прорисовки с приемлемым качеством и приемлемым fps».

Насчёт фотореализма в играх аффтар сделал всем очень смешно, поскольку не читал, что из себя представляли шейдеры и зачем они вообще были нужны.

то есть для более старых карт - фигу ? так ?

На ноутбуке A4 без дискретной видеокарты, KDE не лагает (Gnome не ставил пока), на десктопе RX 470 - ни Gnome, ни KDE не лагают.

ЧЯДНТ?

PPU. Специализированный чип для расчета графики.

Перепутал. Для расчета физики.

Специальные процессоры, предназначенные для нейросетей, на данном этапе развития это CUDA-ядра от nvidia, и очень редко робкие ростки чего-то другого.

Гугл еще чего-то разрабатывает. Так называемые TPU.

https://www.youtube.com/watch?v=BH-lOKfinDw

Гугл еще чего-то разрабатывает. Так называемые TPU.

Гугл их, во-первых, никому не продаёт. А во-вторых, эти TPU умеют только целочисленные операции и годятся только гонять уже обученые нейросети, ибо для обучения надо считать градиенты. Гугл свои сети учит на тех же видеокартах от нвидии.