Hallo zusammen!

Hier wäre neben der Hardware (nach der Hartmut schon gefragt hat) auch das verwendete neuronale Netz interessant. Es gibt abgespeckte kleinere Versionen für Smartphones und Embedded-Geräte, die man nicht wirklich mit den Standard-Weight-Dateien vergleichen kann.

Update: Habe überlesen, dass das Netz j92-100 ist. Und das scheint eines der stärkeren Netze zu sein.

Zumindest unter Linux, von dem die Rede war, ist die Installation und Konfiguration für CUDA zurzeit wesentlich einfacher als für OpenCL. Für Ubuntu gibt es z.B. Pakete, in denen vieles vorbereitet ist.

Bei OpenCL muss man ein bisschen mehr basteln.

Die AMD-Grafikkarten haben hardwaremäßig keine schlechte Rechenperformance und wurden im Mininghype gerne verwendet.

Bei LC0 hängt vieles vom Backend ab und da sieht es so aus, dass die Performance unter CUDA besser ist.

Vergleicht man z.B. eine RX 580 von AMD mit einer GTX 1060 von Nvidia, sind beide ungefähr gleich schnell:
https://gpu.userbenchmark.com/Compar...6GB/3923vs3639

Vergleicht man jedoch die Performance in LC0, so fällt auf, dass das CUDA-Backend deutlich schneller ist:
https://www.phoronix.com/scan.php?pa...-Radeon-NVIDIA

CUDA und OpenCL wiederum performen beide deutlich besser als OpenBLAS, selbst wenn man eine sehr schnelle CPU nimmt.

Dass es am Backend liegt, kann man auch daran sehen, wenn man bei den NVidia-Karten auch einmal OpenCL probiert. Die Performance fällt auf derselben Karte im Vergleich zu CUDA auf unter 50%:
https://www.phoronix.com/scan.php?pa...DIA-Benchmarks

Man kann übrigens LC0 auch legal und kostenlos unter Google Colab auf einer NVidia Tesla K80 laufen lassen, allerdings bin ich mir nicht sicher, ob der Link zur Anleitung nicht unter Werbung fällt.

Viele Grüße
Markus