Heute ein Video für alle Nerds 😅 Bei meinem System konnte ich mit dieser Änderung über 400% an Performance bei den X-Terminator Tools gewinnen. Bei anderen Systemkomponenten kann die Steigerung sogar über 10x so schnell sein. Hier eine Schritt für Schritt Anleitung wie ihr das bei euch auch machen könnt. Lieben Dank fürs zusehen 🙏 Anleitung: Installationsanleitung bzw. Links: 👉 NVIDIA CUDA Toolkit Zunächst benötigen wir das NVidia CUDA Toolkit, die aktuelle Version ist V12.0, diese findet sich zwar hier: Stand heute, brauchen wir die V11.8, welche im Archiv zu finden ist: Verzeichnis finden: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 👉 Neural Network Erweiterungen für CUDA, cuDNN Damit neurale Netze über CUDA berechnet werden können, braucht man eine Reihe weiterer DLLs, welche alle in das bin Verzeichnis der CUDA Installation kopiert werden müssen, also nach C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin Die notwendigen Dateien bekommt man allerdings erst, wenn man sich als Entwickler bei NVidia angemeldet hat über diesen Link: Aus dem Archiv werden einfach nur die DLLs aus dem bin-Ordner in den CUDA bin Ordner kopiert, den Rest benötigt man nicht. Diese cuDNN Files sind auch der Grund, warum aktuell maximal CUDA V11.x verwendet werden kann, denn für die V12 sind diese Dateien noch nicht verfügbar. Laut BXT Doku wird auch noch eine kleine Kompressions-Library benötigt, welche ebenfalls in den bin Ordner der CUDA Installation kopiert werden muss. Aus diesem Archiv benötigst Du nur eine Datei , welche Du im Archivordner dll_x64 findest. 👉 Tensor Flow Library Die CUDA-Seite sollte nun soweit vorbereitet sein, fehlt also noch die Tensor Flow Library, welche Du theoretisch von hier herunterladen kannst: ...zumindest sollte das funktionieren, wenn alles korrekt wäre, aber scheinbar gab es in den letzten Tagen ein Update und ausgerechnet der GPU Build läuft hier in's Leere. Die vorherige Version bekommst Du über diesen Link: Die "ca. 500 Mb groß" dann ins PixInsight/bin Verzeichnis kopieren und die bestehende in .._cpu umbenennen. Für die Photoshop-Plugins findest Du die entsprechenden Verzeichnisse für die XTerminatoren hier: C:\Program Files\Common Files\RC-Astro\ Jeder XTerminator hat dort ein eigenes Unterverzeichnis mit einer eigenen Kopie der . Auch diese gilt es alle zu ersetzen .Also wieder umbenennen etc. 👉 Umgebungsvariablen prüfen Eigenschaften von Computer --- Erweiterte Systemeinstellungen Umgebungsvariablen Unterhalb der Liste mit den Systemvariablen findest Du drei Buttons Neu/Bearbeiten/Löschen Mit Neu öffnet sich ein Dialog, in dem der Name "TF_FORCE_GPU_ALLOW_GROWTH" und der Wert "TRUE" einzugeben sind. Nach Druck auf OK taucht dann diese Variablen in der Liste auf. Dann wünsche ich Dir schon einmal viel Freude mit der vermutlich deutlich verkürzten Rechenzeit. ******************************** Wenn ihr bei Astroshop in nächster Zeit etwas bestellen möchtet würde ich mich freuen wenn ihr dies über folgenden Link macht: 🔗 Das ist ein Affiliate-Link. Das heißt, wenn ihr darüber etwas kauft bekomme ich ein paar %. Für euch ändert sich der Preis nicht. Das ist ideal weil niemand einen Nachteil hat und ihr dadurch direkt meinen YouTube Kanal unterstützen könnt. Dafür einen herzlichen Dank! 🙏 ******************************** ------------------------------------------------------------ Empfohlenes Einsteiger Equipment: - 6" Newton inkl. Nachführung: - 8" Dobson: - Gekühlte 16bit Kamera: - Günstige ungekühlte Kamera: 👉 Photoshop Schärfen Aktion: Wenn du mich unterstützen willst kannst du das gerne machen: Herzlichen Dank 🙏 _____________________________________________________________ Inhalt: 0:00 Intro 2:26 NVIDIA CUDA Toolkit 4:13 Neural Network Erweiterungen 7:12 Tensor Flow Library 10:15 Umgebungsvariablen prüfen 12:11 Unterschiede zwischen CPU und GPU? ____________________________________________________________ ⭐️ Astro Seite: Mit einem Kauf der oben erwähnten Links, kannst Du meinen Kanal einfach unterstützen, ohne das es dich mehr kostet. Herzlichen Dank 🙏 #TurboXTerminator #astrofotografie #gpu