Jak przyspieszyć StarNet++

[holeris]

StarNett++ potrafi świetnie usunąć gwiazdy ze zdjęcia, ale jest kosmicznie wolny. Postanowiłem sprawdzić, czy można go zmusić (a w zasadzie wykorzystywaną przez niego bibliotekę tensorflow) do skorzystania z karty graficznej. Otóż da się i przyspieszenie jest znaczne. W moim przypadku ok. 4-krotne (nie mierzyłem dokładnie).

Instrukcja tutaj: https://darkskies.space/pixinsight-starnet-cuda/

Nie przejmujcie się jeśli nie macie PixInsight. Instrukcja jest uniwersalna.

Przy czym w moim przypadku nie zadziałało dodanie ścieżki do bibliotek CUDA i CUDNN do zmiennej Path. Musiałem dodatkowo przerzucić DLL-ki to katalogu ze starnetem. Nie do końca rozumiem dlaczego. Z tego co wiem wystarczy wyłączyć i włączyć cmd.exe, aby nowa wartość zmiennej Path została użyta, ale mimo wszystko nie działało.

Polecam i w razie problemów służę pomocą.

Pozdrawiam,

Marcin

Edytowane 23 Września 2020 przez holeris

[Nowok76]

Skoro piszesz o bibliotekach dll to rozumiem że działasz pod Windozą ?

[Tayson]

najnowsza wersja pixa ma zaimplementowany starnet z najnowszymi moudłami.

wczesniej działa na moim zdjeciu 2min 30s, a teraz zajmuje mu to 42s.

https://www.galactic-hunter.com/post/starnet

[holeris]

29 minut temu, Nowok76 napisał:

Skoro piszesz o bibliotekach dll to rozumiem że działasz pod Windozą ?

Tak jest.

Tutaj sporo jest jak zainstalować na linuxie: https://www.tensorflow.org/install/gpu

[Nowok76]

Znam tą stronę. Niestety działa to na Ubuntu 18.04 a ja mam 20.04.

Znalazłem już info jak to obejść.

[holeris]

25 minut temu, Tayson napisał:

najnowsza wersja pixa ma zaimplementowany starnet z najnowszymi moudłami.

wczesniej działa na moim zdjeciu 2min 30s, a teraz zajmuje mu to 42s.

https://www.galactic-hunter.com/post/starnet

Hmm, ciekawe, że przyspieszyło. Na https://sourceforge.net/projects/starnet/ najnowsza wersja to 1.1 z zeszłego roku. Może zrobili jakiś update tylko dla Pixa. Ja go nie mam, więc korzystam z gołego starneta. Ale wydaje mi się, że mógłbyś przyspieszyć go jeszcze bardziej instalując CUDA / CUDNN i podmieniając bibliotekę tensorflow na taką pracującą z GPU zamiast CPU. Z tym, że działa to tylko dla kart nVidia.