Ayant besoin d'un nouveau bureau, le technicien de ma librairie universitaire suggère un processeur xeon avec un GPU Tesla. Est-ce que les logiciels prêts à l'emploi comme Python, NumPy, SciPy, R, Stata et Mathematica utilisent le GPU pour les chiffres? Y a-t-il une raison pour un utilisateur régulier d'avoir une unité GPU spéciale?Un logiciel original utilise-t-il le GPU pour les chiffres?
Pour quoi utiliserez-vous la machine? Quel genre de calcul faites-vous qui a besoin d'une extrême quantité de parallélisation. Une puce Xeon et GPU Tesla (mais vraiment juste le GPU) vous coûtera au moins 2000 $, mais plus probablement 3000-4000 $, sans autres composants. Si vous voulez vraiment acheter une carte prise en charge par CUDA, vous pouvez envisager un Nvidia 780/790 à la place, ou vous pouvez également essayer quelque chose comme un AMD 7970. Découvrez quelques benchmarks. Si vous êtes dans une université, demandez à l'un des techniciens du département (CS, physique, chimie computationnelle, biologie computationnelle, mathématique, finance). Vérifiez également si votre campus dispose d'un cluster local ou s'il a accès à un cluster national ou cloud. Il peut y avoir beaucoup mieux, et plus abordable, options disponibles pour vous si vous êtes à l'université.
numpy peut être construit avec diverses bibliothèques de bas niveau telles que ATLAS. Si ces bibliothèques supportent l'utilisation du GPU, alors numpy l'utilisera aussi. Malheureusement, je n'ai jamais essayé de construire numpy avec ce type de support, donc je ne peux pas vous dire si vous pouvez trouver une bibliothèque compatible avec GPU et compatible numpy. – Bakuriu
certains le font, changez numpy--> [theano] (http://deeplearning.net/software/theano/). – elyase