Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

추가 가능한 개선 사항에 대한 논의 #5

Open
2 tasks
doma17 opened this issue May 24, 2024 · 1 comment
Open
2 tasks

추가 가능한 개선 사항에 대한 논의 #5

doma17 opened this issue May 24, 2024 · 1 comment

Comments

@doma17
Copy link

doma17 commented May 24, 2024

목적

추가 가능한 개선 사항에 대한 논의


설명이 충분하지만 터미널 사용과 코딩에 기본기가 없는 사용자들에게 접근성이 높아 어려울 것 같습니다.
또한, 코드의 성능 개선 여지가 있는 것 같습니다.


  • GPU 사용 로직 추가

    • 현재 CPU를 활용한 코드로 전개되어있으나, 병렬 연산에는 GPU가 더 이점을 보이기에 이를 활용하는 방법도 있습니다.
    • 하지만 이는 사용자의 OS 또는 GPU 유형에 따라 달라질 수 있으니, 논의가 필요한 사항입니다.
    • e.g. CUDA tool kit / Tensorflow
  • Google Colab 이적

    • Google Colab은 무료로 GPU를 사용할 수 있는 클라우드 기반 서비스입니다.
    • 위 서비스는 Python 코드를 사용자의 Local Computing resource를 사용할 필요 없이 클라우드 GPU를 사용할 수 있습니다.
    • 코드를 Google Colab으로 이전하여 사용자가 더 빠르고 효율적으로 GPU를 활용할 수 있도록 하는 것도 좋은 방안인 것 같습니다.

위와 같은 예시 이외에도 다른 사항들도 코멘트를 통해 논의가 이루어지면 좋겠습니다!! :)
p.s. @DMTPARK 영상 항상 잘보고 있습니다!

@creeras
Copy link

creeras commented May 25, 2024

CUDA 실행버전 올렸습니다.

요구 사항

  1. NVIDIA GPU 설치
  2. CUDA Toolkit 설치
  3. cupy 라이브러리 설치:
    • 컴파일 시간을 단축하기 위해 바이너리 설치를 권장합니다: pip install cupy-cuda11x 또는 pip install cupy-cuda12x (툴킷 버전에 따라)

참고: 상세한 내용은 PR #7을 확인하세요.

성능 개선

노트북 기준 CPU(Ryzen 5800h, 싱글 코어) 대비 CUDA(GPU, 3050Ti Laptop)는 약 17배 빨라졌습니다. 멀티 코어 CPU를 고려한다면 예상보다 성능 향상이 적을 수 있지만, 여전히 상황에 따라 유용할 것입니다.

마우스 클릭을 통한 zoomin(재계산) 기능도 추가되었습니다.

참고: 해당 내용은 PR #7에서 확인할 수 있습니다.

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
None yet
Development

No branches or pull requests

2 participants