안녕하세요 JMP 커뮤니티,
저는 긍정적인 경험을 공유하고 새로운 설정에서 JMP 소프트웨어를 최적화하는 방법에 대한 추가적인 통찰력을 얻고 싶었으며, 특히 대규모 데이터 세트를 처리하고 복잡한 분석을 실행할 때 더욱 그러했습니다.
저는 최근에 새로운 노트북으로 업그레이드했고, 지금까지 그 성능에 감명을 받았습니다. 강력한 처리 코어로 대부분의 작업을 원활하게 처리했습니다. 그러나 대용량 데이터 가져오기나 복잡한 회귀 모델과 같은 보다 집중적인 분석을 실행할 때 성능이 약간 지연되는 것을 발견했습니다.
저는 JMP를 실행하기에 이상적일 것이라고 생각했던 16GB RAM 노트북을 사용하고 있습니다. 대부분의 경우, 기본 데이터 조작 및 분석을 원활하게 처리하면서 매우 잘 작동했습니다. 그러나 시계열 예측이나 고급 스크립트 실행과 같은 더 까다로운 작업의 경우 가끔 약간의 지연이 발생하는 것을 알아차렸습니다.
저는 최근 Ryzen 7 프로세서가 장착된 AMD Ryzen 노트북 으로 바꿨고, 그 결과는 전반적으로 훌륭했습니다. 이 노트북은 뛰어난 멀티태스킹 기능을 제공하며, 대용량 데이터 세트로 작업할 때에도 매우 반응성이 좋습니다. 메모리 할당 측면에서 미세 조정을 약간 하고 불필요한 백그라운드 앱을 닫으면 성능이 더욱 매끄러워질 수 있는 것 같습니다.
AMD Ryzen 노트북에서 JMP를 최적화한 경험이 있는 분이 계시다면, 제안을 듣고 싶습니다! 최적의 성능을 보장하기 위해 사용한 조정이나 설정은 대단히 감사하겠습니다.
또한, JMP가 AMD 시스템에서 멀티스레딩과 GPU 가속을 어떻게 활용하는지 궁금합니다. 이러한 기능을 최대한 활용하는 방법에 대한 권장 사항이 있으면 매우 도움이 될 것입니다.
여러분의 생각과 제안을 기대하겠습니다!
메모리를 추가할 수 있다면 추가하고, 가능하면 최대치로 늘리세요.
데이터가 계속 증가함에 따라 RAM에 대한 필요성도 커집니다. JMP는 모든 것을 메모리에서 처리하므로 메모리는 종종 프로세서 속도보다 더 귀중한 상품이라는 점을 기억하세요. 대용량 데이터는 RAM이 필요한 엄청난 행렬 계산으로 이어질 수 있습니다.
현재 Windows에서는 Torch와 XGBoost 애드인만 GPU를 활용하지만, 이는 Nvidia GPU인 CUDA로 제한된다고 생각합니다. Python을 통해 pyopencl을 설치하여 AMD GPU와 Nvidia GPU에서 지원되는 OpenCL을 활용할 수 있습니다. Pyopencl을 사용하면 Python 통합을 통해 JMP와 상호 작용할 수 있는 GPU 프로그램을 작성할 수 있습니다. 이는 JMP 14-17에서도 가능하지만 JMP 18 이상에서는 훨씬 더 나은 경험입니다.
JMP는 CPU 코어에서 멀티스레딩을 활용합니다. 하지만 현재 3D 그래픽과 앞서 언급한 애드인을 제외하고는 GPU 가속을 활용하지 않습니다.
