Подскажите пожалуйста, уважаемые граждане ЛОРа!
Хотел сгенерить live-cd с помощью archiso.
Но по пути внезапно кончилось место на диске.
После освобождения места и удаления образов и временных файлов, пропало Х ГБ.
Где их найти без переформатирования?
fsck ошибок не находит.
Можно ли в С++ объект заставить использовать только отведённую под него область памяти, чтобы кроме него в эту память никто не мог писать, чтобы потом можно было этот объект скопировать/загрузить обратно вместе со всеми его потрохами (включая содержимое областей памяти, выделенных по указателям)?
http://www.aosabook.org/en/index.html
"
POSA is available for US$25.00 as a paperback from Lulu.com. If you purchase it from Lulu, Amnesty International will receive US$13.89.
In a few weeks the paperback will also be available on Amazon, also for US$25.00. If you buy it on Amazon, Amnesty International will get US$3.94."
US$25.00->US$3.94, что за хрень...
http://junolab.org/
Выглядит занятно. Интересно, можно ли туда встроить видео...
На https://compubench.com добавили вкладку mobile.
И в новых радеонах (290) резко сократили число блоков fp64. Даже старый 7970 быстрее. А тесла стоит денег :(
http://www.hardware-infos.com/news/4421/opencl-performance-der-geforce-gtx-780.html
Для тех, кто знает немецкий :)
http://videocardz.com/41732/nvidia-geforce-gtx-780-opencl-performance-unveiled
Model OpenCL-Performance
Radeon HD 7990 100,0 %
Radeon HD 7970 GHz 56,0 %
Geforce GTX Titan 53,2 %
Radeon HD 7950 48,0 %
Geforce GTX 690 46,7 %
Geforce GTX 780 37,7 %
Radeon HD 7870 35,6 %
Geforce GTX 680 31,2 %
Посоветуйте готовое свободное приложение, пожалуйста. И CAD c совместимым форматом.
вылазит вот такая штука:
SAI preconditioner computation...
cc1plus: ошибка: некорректный уровень отладочной информации "fortran"
cc1plus: ошибка: некорректный уровень отладочной информации "fortran"
Traceback (most recent call last):
File "code/compute_SAI_precond_MLFMA.py", line 102, in <module>
compute_SAI(params_simu, simuDirName)
File "code/compute_SAI_precond_MLFMA.py", line 73, in compute_SAI
Wall_time_Mg_computation, CPU_time_Mg_computation = compute_SAIpreconditioner(tmpDirName, variables['C'], variables['chunkNumber_to_cubesNumbers'], variables['cubeNumber_to_chunkNumber'], variables['chunkNumber_to_processNumber'], variables['processNumber_to_ChunksNumbers'], params_simu.MAX_BLOCK_SIZE)
File "code/compute_SAI_precond_MLFMA.py", line 52, in compute_SAIpreconditioner
Mg_CSR(my_id, processNumber_to_ChunksNumbers, chunkNumber_to_cubesNumbers, cubeNumber_to_chunkNumber, ELEM_TYPE, Z_TMP_ELEM_TYPE, LIB_G2C, pathToReadFrom, pathToSaveTo)
File "/home/ws/App/Puma-EM/code/FMM_precond.py", line 205, in Mg_CSR
Mg, src_RWG_numbers, rowIndexToColumnIndexes, test_RWG_numbers = chunk_of_Mg_CSR(cubesNumbers, chunkNumber, ELEM_TYPE, Z_TMP_ELEM_TYPE, LIB_G2C, pathToReadFrom, cubeNumber_to_chunkNumber)
File "/home/ws/App/Puma-EM/code/FMM_precond.py", line 175, in chunk_of_Mg_CSR
Mg_tmp, Mg_q_array = MgPreconditionerComputationPerCube(cube, list_cubes_with_neighbors, list_Z_tmp, pathToReadFrom, cubeNumber_to_chunkNumber, ELEM_TYPE, Z_TMP_ELEM_TYPE, LIB_G2C)
File "/home/ws/App/Puma-EM/code/FMM_precond.py", line 144, in MgPreconditionerComputationPerCube
Y_CFIE_near_local = computeMyPinvCC(Z_local_2, LIB_G2C)
File "/home/ws/App/Puma-EM/code/myPseudoInv.py", line 108, in computeMyPinvCC
extra_compile_args = ['-O3', '-pthread', '-w', '-gfortran'])
File "/usr/lib/python2.7/site-packages/scipy/weave/inline_tools.py", line 355, in inline
**kw)
File "/usr/lib/python2.7/site-packages/scipy/weave/inline_tools.py", line 482, in compile_function
verbose=verbose, **kw)
File "/usr/lib/python2.7/site-packages/scipy/weave/ext_tools.py", line 367, in compile
verbose = verbose, **kw)
File "/usr/lib/python2.7/site-packages/scipy/weave/build_tools.py", line 272, in build_extension
setup(name = module_name, ext_modules = [ext],verbose=verb)
File "/usr/lib/python2.7/site-packages/numpy/distutils/core.py", line 186, in setup
return old_setup(**new_attr)
File "/usr/lib/python2.7/distutils/core.py", line 169, in setup
raise SystemExit, "error: " + str(msg)
scipy.weave.build_tools.CompileError: error: Command "g++ -pthread -fno-strict-aliasing -march=x86-64 -mtune=generic -O2 -pipe -fstack-protector --param=ssp-buffer-size=4 -D_FORTIFY_SOURCE=2 -DNDEBUG -march=x86-64 -mtune=generic -O2 -pipe -fstack-protector --param=ssp-buffer-size=4 -D_FORTIFY_SOURCE=2 -fPIC -I./code/MoM/lapack/ -I. -I/usr/lib/python2.7/site-packages/scipy/weave -I/usr/lib/python2.7/site-packages/scipy/weave/scxx -I/usr/lib/python2.7/site-packages/scipy/weave/blitz -I/usr/lib/python2.7/site-packages/numpy/core/include -I/usr/include/python2.7 -c /usr/lib/python2.7/site-packages/scipy/weave/scxx/weave_imp.cpp -o /tmp/root/python27_intermediate/compiler_df5fd4482a0f36c64df244df1d21066e/usr/lib/python2.7/site-packages/scipy/weave/scxx/weave_imp.o -O3 -pthread -w -gfortran" failed with exit status 1Traceback (most recent call last):
File «code/compute_SAI_precond_MLFMA.py», line 102, in <module>
compute_SAI(params_simu, simuDirName)
File «code/compute_SAI_precond_MLFMA.py», line 73, in compute_SAI
Wall_time_Mg_computation, CPU_time_Mg_computation = compute_SAIpreconditioner(tmpDirName, variables['C'], variables['chunkNumber_to_cubesNumbers'], variables['cubeNumber_to_chunkNumber'], variables['chunkNumber_to_processNumber'], variables['processNumber_to_ChunksNumbers'], params_simu.MAX_BLOCK_SIZE)
File «code/compute_SAI_precond_MLFMA.py», line 52, in compute_SAIpreconditioner
Mg_CSR(my_id, processNumber_to_ChunksNumbers, chunkNumber_to_cubesNumbers, cubeNumber_to_chunkNumber, ELEM_TYPE, Z_TMP_ELEM_TYPE, LIB_G2C, pathToReadFrom, pathToSaveTo)
File «/home/ws/Downloads/Puma-EM/code/FMM_precond.py», line 205, in Mg_CSR
Mg, src_RWG_numbers, rowIndexToColumnIndexes, test_RWG_numbers = chunk_of_Mg_CSR(cubesNumbers, chunkNumber, ELEM_TYPE, Z_TMP_ELEM_TYPE, LIB_G2C, pathToReadFrom, cubeNumber_to_chunkNumber)
File «/home/ws/Downloads/Puma-EM/code/FMM_precond.py», line 175, in chunk_of_Mg_CSR
Mg_tmp, Mg_q_array = MgPreconditionerComputationPerCube(cube, list_cubes_with_neighbors, list_Z_tmp, pathToReadFrom, cubeNumber_to_chunkNumber, ELEM_TYPE, Z_TMP_ELEM_TYPE, LIB_G2C)
File «/home/ws/Downloads/Puma-EM/code/FMM_precond.py», line 144, in MgPreconditionerComputationPerCube
Y_CFIE_near_local = computeMyPinvCC(Z_local_2, LIB_G2C)
File «/home/ws/Downloads/Puma-EM/code/myPseudoInv.py», line 108, in computeMyPinvCC
extra_compile_args = ['-O3', '-pthread', '-w'])
File «/usr/lib/python2.7/site-packages/scipy/weave/inline_tools.py», line 355, in inline
**kw)
File «/usr/lib/python2.7/site-packages/scipy/weave/inline_tools.py», line 488, in compile_function
exec 'import ' + module_name
File «<string>», line 1, in <module>
ImportError: /home/ws/.python27_compiled/sc_fa01621b812785a0e9577b22fcd579755.so: undefined symbol: _gfortran_concat_string
как починить?
Archlinux, 3Gb RAM, swap выключен, кончается память. :( В dmesg:
[ 2552.262471] Out of memory: Kill process 30625 (cc1plus) score 39 or sacrifice child
[ 2552.262478] Killed process 30625 (cc1plus) total-vm:164432kB, anon-rss:108776kB, file-rss:4940kBlibtool: compile: g++ -DHAVE_CONFIG_H -I. -I../../.. -I../../../inc -I../../../drv/ChFiDS -I../../../src/ChFiDS -I../../../drv/ChFi2d -I../../../src/ChFi2d -I../../../drv/ChFi3d -I../../../src/ChFi3d -I../../../drv/ChFiKPart -I../../../src/ChFiKPart -I../../../drv/Blend -I../../../src/Blend -I../../../drv/BRepBlend -I../../../src/BRepBlend -I../../../drv/BlendFunc -I../../../src/BlendFunc -I../../../drv/BRepFilletAPI -I../../../src/BRepFilletAPI -I../../../drv/FilletSurf -I../../../src/FilletSurf -I/usr/lib/jvm/java-6-openjdk/include -I/usr/lib/jvm/java-6-openjdk/include/linux -D_OCC64 -m64 -DNDEBUG -DNo_Exception -march=x86-64 -mtune=generic -O2 -pipe -fpermissive -DCSFDB -DOCC_CONVERT_SIGNALS -DLIN -DLININTEL -D_GNU_SOURCE=1 -O2 -MT ChFi3d_Builder_CnCrn.lo -MD -MP -MF .deps/ChFi3d_Builder_CnCrn.Tpo -c ../../../src/ChFi3d/ChFi3d_Builder_CnCrn.cxx -fPIC -DPIC -o .libs/ChFi3d_Builder_CnCrn.o
{standard input}: Assembler messages:
{standard input}:1075: Warning: end of file not at end of a line; newline inserted
{standard input}:1560: Error: unrecognized symbol type ""
g++: internal compiler error: Killed (program cc1plus)А ещё в ядре 3.3.1 вайфай поломали :(
Обычно в описаниях просто указывают «pci-e 16x raiser», но будут ли они работать с 8х-16x pci-e 3 при его «более агрессивной схеме кодирования 128b/130b»? Просто в материнках с 6-7 слотами эти слоты обычно расположены вплотную, и 6 обычных двухслотовых видях туда не воткнуть... же...?
Вот, набрёл на эту картинку. Вся статья: http://www.bealto.com/gpu-benchmarks_mem.html.
Подскажите, как лучше сделать «что-то типа» и какие могут быть проблемы, если я хочу:
1 Загрузить все системные файлы(/) в ram disk при включении;
2 работать-работать-работать много дней не перезагружаясь;
3 при необходимости ввести волшебную команду и тем самым сохраниться.
Перемещено Shaman007 из talks
Посоветуйте пожалуйста сабж, лучше электронно-инженерной направленности, с участием команд из зала.
http://www.tomshardware.com/reviews/fx-power-consumption-efficiency,3060-10.html Ещё раз показывает, для кого суть процессоры Intel. Вообще, амд стоит очень активно бороться за влияние на «альтернативные» ОС, ведь скоро и их самих останется 1%, а жаль, LZMA булльдозеры ускоряют лучше i7...
Неужели целые числа настолько важны по сравнению с операциями над векторами из чисел с плавающей точкой?
Можно ли как-то набивать формулы прямо в блоке(фигуре) в сабже? Все плакаты и рисунки к диплому делал в нём, и это оказалось стократ удобнее всяких визий, но вот с формулами я так и недоразобрался. Приходится создавать формулу отдельно и сводить в группу. И ещё, жаль, что формулы вставлялись из writer'a как картинки - нужно копировать текст внутри формулы. Или, внезапно, под линуксами есть что-то удобнее, чем lo-draw?
У кого есть опыт, что же лучше выбрать:
AMD или NVidia, и при этом, какой следует брать пакет,
MatLab(native, jacket, GPUmat, Libra SDK...), SciLab, Octave, ...
Например, родное матлабовское ускорение работает только с видеокартой с Capability Version >= 1.3, а GeForce 3xxM поддерживают только 1.2, а при использовании тулбокса GPUmat при умножении на GPU rand(7000)*rand(7000) 335M даёт выигрыш в 5-6 раз, при этом этот ихний NVidia Optimus под линуксом впринципе не работает в проприетарном исполнении драйвера.
Всюду одни маркетинговые выбросы, но вразумительной сравнительной таблицы производительности я не нашёл.
Платить за Jacket, да ещё регистрироваться там совсем не хочется, хотя за матлаб тоже на самом деле надо платить...
Больше ориентируюсь на матлаб, потому что он «стандарт», и, кажется, всё-таки менее глючен, чем его аналоги. Хотя, может, лучше уйти от всего этого, и написать на Си с библиотекой/библиотеками, и какими?
| следующие → |
