Latest / Verbos: AI og Softwareudvikling / #22 - Anton Rydahl: LLVM, GPU’er, OpenMP, Compilere, Open Source

Transcript

#22 - Anton Rydahl: LLVM, GPU’er, OpenMP, Compilere, Open Source · Verbos: AI og Softwareudvikling

0:00
Velkommen til episode nummer 22 er babos podcast.
0:03
Mit navn er Kasper junge. Jeg er machine learning engineer
0:05
hos ser ud og jeg. Og jeg hedder Jonas og kysse
0:09
Andersen og arbejder på ekstra Bladet som deler scientist.
0:12
Og til alle nye lyttere, som ikke kender til podcasten, så
0:14
handler om hvad bruges podcast om AI, softwareudvikling og data
0:17
science, og i dag skal vi tale om noget rigtig low level juice
0:22
stof, og Det er nemlig. Noget som hedder el VM og åben
0:26
MP og Det er. Det skal vi, hvis ikke du kender
0:30
de udtryk, så kommer du til at kende mere til i dag, fordi Vi
0:32
har nemlig en. En gæst møde til at hjælpe os
0:36
med at forstå og forklare om det her som, og Det er simpelthen
0:39
Anton rydahl. Velkommen til Anton. 1000 tak
0:42
Kasper og Jonas er glad for måtte være med.
0:47
Altid, men før vi går i gang, så skal vi lige huske at nævne til
0:50
alle nye lyttere, at hvis man kunne tænke sig at støtte Vores
0:53
podcast, så kan man gå ind og følge os på Apple podcast på
0:56
Spotify og. Eller der hvor man ellers hører
0:59
podcast, og man kan også gå ind og følge os på Vores LinkedIn
1:02
side, som vi også har. Så så er det ligesom på plads,
1:05
men jeg tænker, at vi vi dykker ned i det.
1:09
Velkommen til Anton hvad hedder det?
1:11
Hvordan har du det? Jamen godt altså.
1:16
Vi har jo en lille tidsforskel her i programmet, så Jeg har
1:20
fået formiddagskaffe og i har måske allerede fået aftensmad
1:24
ved at tro. At, Vi har lige puttet ungerne
1:27
ikke også? Ja Det er Sådan det plejer at
1:29
være. Ja, det hører måske med til
1:32
historien, at du sidder i ja, du sidder i Californien.
1:36
Yes så. Det kunne være hvis jeg får ham
1:40
med, bare du kunne fortælle lidt om dig selv hvad du laver og jeg
1:43
hvor du sidder henne i verden og og så videre.
1:46
Ja altså her fra 4 måneder siden.
1:49
Der flyttede jeg til Californien.
1:51
Og lige nu har jeg et et internship hos noget der hedder
1:55
lawrence livermore national app. Og jeg ved ikke, om nogen af jer
2:00
har set omregnet mig er det der med derude?
2:02
Men altså, Det er grundlagt af ham.
2:04
Lawrence, som har været med til at opfinde atombomben.
2:09
Så. Altså Det er også det de forsker
2:12
i primær på laboratoriet. Men jeg laver ikke bomber eller
2:17
noget. Jeg jeg sidder bare og designer
2:19
en compiler. Og Det er godt.
2:23
Særligt ja og Anton. Vi kender jo faktisk hinanden
2:26
også. 2 vi kender hinanden fra ida.
2:30
Ida IT. Ja, Vi har været med til hvor du
2:33
sidder i bestyrelsen. Præcis.
2:37
Og hvis du har været sød at komme og give nogle oplæg på
2:39
Vores konferencer. Nemlig driving IT og driving i
2:44
og så videre så det Det er der vi kender hinanden fra så så Det
2:49
er mega fedt ja men jeg tænker på.
2:54
Nu lagde jeg ud med at snakke om de her LVM og OP og altså jeg må
3:01
indrømme, jeg kender ikke særlig meget til til de 2 teknologier.
3:03
Jeg ved ikke med dig Jonas. Jeg ved.
3:06
Jeg har en ide om Jeg har. Nogensinde set et stykke kode
3:09
fra alle VM, men Jeg har opdaget den anden dag, da jeg opdagede
3:12
moto at Det var Chris leather der havde skrevet det en gang
3:14
var lang tid siden han havde startet det, men det ved jeg
3:16
ikke om Det er rigtigt. Det må Anton jo.
3:19
Rettet. Jo det tror jeg.
3:22
Jeg tror han har været en af dem, der har været med til at
3:23
opfinde det. Så altså.
3:26
Jeg tænker, hvis du kunne, hvis du kunne fortælle jer hvad LB
3:29
mærke os klogere på det end light nos.
3:33
Jamen altså så måske en lille smule forhistorie, så altså
3:37
grundlæggende set, så er det dem.
3:39
Det er et framework til at lave compiler i og en compiler.
3:43
Det er det værktøj som oversætter Sådan noget rar kode,
3:46
så vi mennesker nemt kan skrive til noget kode som bliver
3:51
eksekveret på en maskine. I sidste ende, og som ikke er
3:54
Sådan human readable. Som ikke er så rart?
3:58
Ja og så kan man sige traditionelt set.
4:02
Så har man så haft compilere, som har været målrettet specifik
4:06
i arkitektur. Så for eksempel Sådan noget som
4:08
FC, der installerer man GC, og så kan den compile kode til ens
4:13
maskine. Eller man kan.
4:16
Kombinerer kode til en EPU, og så har man så brug for at
4:20
installere GCE. Lad os sige 2 gange både til ens
4:25
CU og til p ugen. Og Jeg tror omkring 2005, så var
4:31
der så nogle mennesker, der begyndte at tænke, at Det var
4:33
bedre at have en en kompiler som er.
4:36
Vi takkede du altså så man kan kompilere til flere forskellige
4:40
typer af arkitektur på samme tid.
4:43
Og det tror Jeg er begyndt at gøre eller leverer et populært.
4:47
Så Det er Sådan, Det er et stort framework, og Det har Jeg tror
4:51
10 millioner linjer kode så er det.
4:54
Det er virkelig meget kode og og så kan man så bruge det til at
4:58
både optimere for eksempel kode og generere eksempel kode.
5:06
Og så Det kan være i ikke har hørt om det før, men i har nok
5:09
alle sammen brugt det i en eller anden forstand, fordi at.
5:14
Android, for eksempel. Det bygger ovenpå LM og.
5:18
Ja i må ikke hænge mig op på tallet, men Jeg tror der bliver
5:20
solgt omkring en milliard Android devices som året så og
5:24
Sådan set rigtig mange brugere af det her.
5:26
Altså vi bruger vi bruger LM alle sammen, lyder det til.
5:32
Ja OK spændende nok hvad hedder det så?
5:35
Det er simpelthen et framework til at lave compilere.
5:38
Ja så, og Det har også sit eget sprog som hedder LVM ejere som
5:45
står for. Over level, intermediate
5:48
repræsentation og så igen. Ja nej Det er så.
5:54
Ja den her mellem repræsentation, som ligger et
5:58
sted mellem FCK. Gode og simple kode.
6:02
Ja. Wow så.
6:07
Ja altså det. Det er måske lidt teknisk for
6:09
dem. Machine learning interesserede
6:13
lytter. Men det synes jeg, men Jeg synes
6:15
i virkeligheden det Der er rigtig interessant det her.
6:17
Fordi mig Det er mig Jonas Vi har for snak.
6:20
Altså vi kan godt lide at komme helt ned.
6:23
Men i virkeligheden så ved vi ikke rigtig så meget af, hvad
6:25
der sker der, altså Sådan Sådan på praktisk niveau.
6:28
Så Jeg har i hvert fald på fornemmelsen af, at Der er.
6:33
Den verden du sidder i og den verden, jeg for eksempel sidder
6:36
i. Er Sådan ret isoleret.
6:39
Det er 2 ret forskellige verdener.
6:41
Det er 2 forskellige sprog. Det er 2 forskellige måder at
6:45
kode på og så videre og så videre.
6:48
Men vi bruger jo sygt meget, altså især machine learning
6:53
bruger jo sygt meget optimering. Altså har kodet som er optimeret
6:56
til at køre på hardware, ikke? Yes yes altså det ligger til
7:00
grund for en masse typer applikationer og heldigvis så
7:03
behøver vi ikke alle sammen at vide noget om alting Jeg er
7:08
sikker på i også. Jeg ved heller ikke ret meget om
7:12
python. Eller de mest hot mailing
7:17
modeller? Piccadilly, LM.
7:21
Faktisk så python. Det er Sådan et et sprog, som
7:24
man siger er det bruger en integrator i stedet for en
7:27
compiler. Det er det samme med med java
7:30
som man. Den har Sådan en en virtuel
7:34
maskine som. Ligesom på forhånd ved hvordan
7:37
den skal nappe strøget til instruktionerne.
7:43
Men hvordan? Hvordan kan det være at altså
7:46
hvorfor har vi brug for LVM Anton når man når man når man
7:49
allerede har compilere til? Til c og og den slags altså
7:55
hvorfor skal vi bruge et v? Altså Det er et rigtig godt
7:59
spørgsmål, men Jeg synes heldigvis også, at Der er et ret
8:03
klart svar på og altså grunden til Det er jo at at hardware
8:07
hele tiden udvikler sig, så man kan ikke ligesom bare stoppe og
8:10
sige, nu har vi. En god se compiler eller en god
8:15
foretage, en compiler og så videre, så både sprog udvikler
8:19
sig, og det gør hardwaren også for altså især de her nye typer
8:24
maskiner, hvor man har en accelerator, typisk en GPU, men
8:30
der kræver det så at man kan lave kode til.
8:34
Altså faktisk 2 forskellige typer hardware på samme tid at
8:37
få det til at ligesom snakke sammen og overføre data fra det
8:43
eneste ikke ret meget til det andet og og så videre.
8:48
Det er lige vil. Vil det så sige, at hvis nu vi
8:52
vi kender måske godt som som deres egen cuda, ikke?
8:56
Altså vi ved godt, at når vi skriver et eller andet i python,
8:58
så siger du skal bruge noget cuda, og hvis ikke den der
9:01
driver den er passer nede på maskinen, så er fanden løs.
9:04
Ikke så. Så er det virkelig irriterende
9:08
og. Og hvad hedder det?
9:10
Cuda er jo så som du måske. Ja det ved jeg ikke du nævnte,
9:15
men det. Det er jo en vías måde at
9:18
ligesom at at deres sprog til at få.
9:22
Omformet noget til gps'erne kan forstå på deres arkitektur.
9:27
Går jeg ud fra du Sådan nu siger jeg bare noget ikke så må du
9:29
lige rette dem, men man kan LVM så erstatte kuda og kan vi så få
9:34
11 m til fordi Det er jo open source og Jeg kan godt lide open
9:37
source og akutte Det er jo Sådan noget der har har har lavet.
9:43
Ja altså Det er et godt spørgsmål, så måske altså
9:47
faktisk Sådan i det her scooter compiler.
9:49
Den er bygget med LVM. Snyd Det er lukket, men Det er
9:55
alligevel bygget på open source. Og og livet er faktisk også
9:59
rigtig søde, at det det contribute Der er også en hel
10:03
masse kode til til eller via, så de arbejder også aktivt på det.
10:09
Men altså de har så nogle dele af det, som ligesom er deres
10:12
eget. Men Der er også en kutter
10:17
compile her ILM. Og den bliver også brugt til
10:21
mange ting. Så.
10:25
Så man kan sige at eller VM de har de har det der hedder en en
10:30
front. Altså noget som oversætter et
10:34
eller andet sprog til den her intermediate repræsentation, som
10:38
så kan blive kompileret til mange forskellige typer hardware
10:41
bagefter. Og den den hedder slang, og den
10:44
er altså for de her see like languages, så for eksempel.
10:50
Altså det kunne være en familie at se at sige plus plus og q og
10:55
APP for eksempel eller open CL som alle sammen.
11:00
Altså har cirka den samme type. Hvad skal man sige?
11:05
De bruger det samme type system grundlæggende set og altså den
11:09
samme måde at lave. Funktionskald på og memory
11:14
hierarki og så videre. Så kan du ikke prøve at sætte
11:19
mig ind i Sådan. Hvordan er du kommet til at
11:21
arbejde med det her? Altså hvordan?
11:23
Hvordan bliver man forført? Altså du har jo støttet på itu
11:26
og taget en master i hvad i? Hvad hedder det matematisk
11:30
modellering ikke? Jo jo, så Der er altså et stykke
11:33
vej fra matematisk modellering til at lave compiler.
11:37
Hvordan går man fra at have nogle fag på det niveau?
11:40
Jeg ved ikke, om der overhovedet er et fag ILLM på itu eller
11:43
eller hvad? Men men altså hvordan går man
11:45
fra at studere på TU og så lige pludselig bare komme dybt ned i
11:49
undergrunden af alt computerkoder sprog, altså
11:53
Sådan, hvad hvad? Hvordan kunne du kunne du?
11:57
Lidt VM før du startede hos lawrence livermore national.
12:03
Nej altså jeg. Jeg har ikke rigtig lavet noget
12:06
eller VM før, men altså det. Det lange svar er, at jeg gav en
12:11
præsentation på. Hvad hedder det?
12:16
University og tennessee sidste år, hvor jeg så mødte nogle af
12:20
dem, der arbejder her på lørdag slipper jeg og ja, så vi kan så
12:25
tilbudt at komme herover bagefter.
12:27
Så ja OK. Man skal åbenbart bare rejse til
12:30
USA, så kan man så kan man godt komme til at arbejde med, eller?
12:37
Man behøver ikke rigtig at kunne skrive eller være.
12:40
Altså Det er måske lidt forvirrende, men man altså hele
12:44
den her store c og c plus plus compiler er skrevet IC og c plus
12:49
plus. Man bruger man bruger en anden
12:54
compiler til at compile sin compiler, så.
12:58
Det er det man kalder for selvpost.
13:01
OKOK fair nok. Er det ikke det man kalder for
13:04
self hosting language når 1 1 1 strå kan man med sit eget sprog
13:10
skrive en compiler til at compile sig selv.
13:13
Jeg tror Det er det der hedder hosting.
13:15
Jo og. Og Der er også nogle af dem der
13:18
Sådan virkelig nørder det meget, der sørger for først at
13:22
installere sin compiler og så installerer de deres compiler
13:26
med sig selv for at gøre den hurtigere.
13:29
Så er man virkelig nået højt op i at gøre det hierarkiet.
13:34
Men. Rimelig højt oppe i.
13:38
Men bare lige for ikke at miste den her ikke?
13:40
Okay, så det vil sige du har været på en rejse for der hvor
13:43
du ligesom har arbejdet med c plus plus og så videre.
13:45
Hvordan er du kommet ind? Altså hvad er det?
13:47
Hvad hvad har ledt dig her hen? Hvad er det for nogle kurser du
13:50
har taget og hvad er det du ligesom har tænkt?
13:51
Åh Det er fedt det der. Ja, det virker som om Det er
13:55
bare Sådan har generelt været low level ting der Sådan har
13:57
fascineret dig også når Vi har troet og snakket sammen og Sådan
13:59
noget eller hvordan? Altså i virkeligheden, så jeg
14:03
havde Sådan et semester på de 2, hvor jeg havde tilmeldt mig at
14:06
have noget begin machine learning og nogle andre machine
14:11
learning slag, og Det var meget populære, så jeg fik ikke de her
14:14
fag, jeg gerne ville have haft, og så skulle jeg finde noget
14:19
andet at læse det her semester. Og så tog jeg nogle fag i at
14:23
bruge open p og. En PI som er 2.
14:28
Framework, som man bruger til at skrive, hvad skal man sige?
14:31
Parallel kode til Sådan nogle store distribuerede systemer?
14:35
OK. Det var Det var nogle af de
14:37
kurser, hvor der var pladser. Ja de var de var sjovt nok ikke
14:41
særligt populære i de her kurser, så der kunne jeg godt
14:43
komme på lige last minute. Ja.
14:48
Så fik jeg tilbudt et job på DCU bagefter hvor Jeg har arbejdet
14:52
sideløbende med min ferie med min kandidat, hvor jeg også har
14:56
arbejdet med de her ting. Så Det var ikke Sådan helt
15:00
planlagt ved at sige. Interessant interessant du havde
15:06
Jonas jeg afbryder dig. Nej, men nu bliver jeg Sådan
15:09
lidt fordi nu siger du det der med open MP altså hvordan er
15:12
det? Det hænger sammen med LVM og og.
15:16
Kan du ikke lige fortælle lidt mere om det?
15:18
Anton, altså hvordan? Hvordan op på et nat?
15:23
Så altså åben p Det er et hvad skal man sige en udvidelse til c
15:29
plus plus og fortran som man kan bruge til at at skrive parallel
15:34
kode, så i stedet for at man har en enkelt tråd på en computer
15:38
som kører et program, så kan man så lave en Region af programmet,
15:42
som typisk er for eksempel et forløb.
15:45
Og så kan man så parallelt udføre noget arbejde.
15:51
Og det her sprog. Det er så også blevet udvidet
15:52
med, at det her den her kalder offloading support, altså at man
15:56
kan flytte. Nogle beregninger til at køre på
15:59
en gpu i stedet for. Og.
16:04
Der findes så mange forskellige implementeringer af det, altså
16:06
der måske de mest populære af IGC og ILM og LVM.
16:14
Der er det så også. Den eneste måde man kan skrive
16:17
gpu kode på. Som, hvad skal man sige?
16:22
Ikke anrettet en specifik type hardware.
16:27
Så hvis man gerne vil skrive kode som både kan køre på en eng
16:31
d og individer en Intel gpu, så kan man altså bruge åbne, p.
16:37
Og det betyder også igen, at Der er mange andre biblioteker, som
16:42
så bruger opponent pige. Til at lave parallelle hurtige
16:47
beregninger. Så jeg arbejder for eksempel med
16:50
Sådan noget. C plus plus standard
16:53
parallelisme lige nu her hvor man.
16:56
Altså i ved man kan skrive en foreach for eksempel.
17:01
Eller en sorterings algoritme altså?
17:05
Så kører vi det op på PU ved at bruge åbne, p.
17:09
OK så ja så det. Det er ligesom en måde at man
17:14
kan rykke, altså det at ep hvor man kan rykke data for eksempel
17:18
fra. Fra en host altså fra en cpu til
17:23
device som kunne være en gpu eller man kan flytte data mellem
17:27
2 GP ur og så videre. Ja okay, når du så sidder og
17:31
arbejder med at udvikle det her framework som.
17:37
Jeg forstår det at det du laver hvad hvad er det så helt
17:41
konkret? Hvad er det for nogle problemer
17:44
du løser? Og hvad er det for nogle opgaver
17:46
der lander på dit bord? Bare for ligesom at tage den
17:49
helt ned og blive lavpraktisk. Ja altså så en af de ting Jeg
17:54
har arbejdet på. Det er Sådan noget exception
17:56
handling, så for eksempel i Jeg tror i python, Det er sikkert
18:01
det folk er mest kendt det med. Altså der kan man skrive try
18:06
except så man man prøver at gøre et eller andet og hvis der så.
18:11
Sker noget uventet, så kan man så have Sådan videre.
18:16
Hvad skal man sige kontrollen i programmet til ny Region?
18:21
Og. Ja så generelt så er vi
18:25
interesseret i at prøve at køre nogle store programmer på p
18:28
uger. Men et af problemerne Det er så,
18:31
at GP ur de ikke kan ikke understøtte exceptions.
18:36
OK, det giver på en eller anden måde meget god mening, altså for
18:39
eksempel MDS. De har eller MD har en PH der
18:44
hedder NI 250 x som jeg de bruger på arbejdet til at teste
18:48
ting og den har 14.000 kerner der kører parallelt.
18:55
Så altså hvis nu man fik en exception i Sådan en af de her
19:00
kerner. Altså det ville være meget svært
19:03
ligesom jeg. Lave nogle regler for altså
19:06
hvad? Hvad skal der så ske?
19:09
Hvem skal? Hvem skal overtage kontrollen,
19:12
hvis der lad os sige Der er 2 kerner der fejler på samme tid
19:15
og så videre? Ja så.
19:18
Fordi ligesom højt paralleliseres, så er det pisse
19:21
komplekst. Så så Det har jeg haft arbejdet
19:26
på, og jeg kommer ikke til at få exceptions til at virke.
19:30
Men altså, Jeg har så haft gjort Sådan, at man kan.
19:34
Hvad skal man sige eksperimentelt?
19:36
Køre eller komplet exceptions til GPU er.
19:41
OK den måde? Det fungerer på lige nu er bare
19:44
at man håber på at der ikke er nogen.
19:47
Elections og hvis der så kommer en exception, så afbryder man
19:51
programmet. Altså Det er ikke.
19:57
Det er ikke optimalt, men. Men Det er for at prøve.
20:01
Vi vil gerne prøve at se for eksempel altså en masse
20:03
biblioteker, hvor man har exceptions.
20:06
Og det kunne være Sådan noget man man man vil gerne allokere
20:09
en array. Og hvis der ikke er nok.
20:13
Plads i hukommelsen, så får man nissepige.
20:16
Så Det er nogle meget lavpraktiske ting, man ikke kan
20:18
kompilere til GPU. Så Det har jeg så prøvet at.
20:24
Hvad skal man sige tillad at man kan gøre i den her compiler som
20:29
hedder klan. Som lever inde ILM.
20:34
Det der Det er ret interessante faktisk Anton.
20:38
Jeg vidste ikke at man ikke kunne lave fejlhåndtering på på
20:43
en GPU, men det forklarer jo hvorfor at når man sidder og
20:47
kører pistols nogle gange når man hamrer ind i Sådan en memory
20:52
limit ting, så får man noget meget ubehagelig trackback ting
20:56
fra. Og man tænker, kunne det ikke se
21:00
lidt pænere ud og få en lille flot print i noget python?
21:04
Og så hvad sker der her, indtil man Sådan begynder at sidde og
21:09
observere sin gpu og se at den opfører sig lidt mærkeligt, så
21:11
tænker man, når Det er nok det Der er galt.
21:16
Det må have noget med det at gøre, tænker jeg.
21:19
Ja altså helt sikkert altså Det er jo lidt brugerne er altså de
21:24
er mere primitive. Der er mange typer instruktioner
21:27
de ikke kan udføre, og så er der også hele det her problem med,
21:30
at man ligesom skal planlægge at at sende noget data fra de få
21:35
ugen til CP ugen og og vise versa så generelt det her med at
21:41
lave de bucking og. Ja altså bro fighters og Sådan
21:46
noget. Det er svært at få det til at
21:48
virke ordentligt, men. Er der ikke også rigtig meget
21:52
overhead i at sende data fra cpu cpu?
21:54
Det synes jeg altid man snakker om at Det er Sådan.
21:56
Eller er det mere memory at læse fra memory til og fra memory?
22:01
Jo altså Der er de her dette transfers de kan tage lang tid,
22:04
og Det kan også være når man sidder og som mig og laver en
22:06
compiler kan det være lidt svært at vide nogle gange hvad der vil
22:10
virke godt. Altså fordi at der findes så
22:13
mange forskellige typer af kombinationer af.
22:17
Altså det handler ikke kun om hardware, men det handler også
22:19
om de kabler man har forbundet. Ja altså nogle typer systemer
22:25
for eksempel. Der har man hurtige forbindelser
22:28
mellem brugerne og nogle. Altså det kommer an på hvad folk
22:32
har købt nogle gange, så har de ikke nogen forbindelser mellem
22:35
og altså så man er ligesom nødt til at lave noget kode der kan
22:39
virke til alle typer af systemer.
22:42
Ja, og det virker til at være det fede ved LM, at det ligesom
22:46
er Sådan en i Sådan et oversættelses slag mellem at
22:48
skrive, compilere og så ligesom bare alle der altså har hardware
22:52
generelt. Ja ja, altså Jeg tror det.
22:57
Men altså ikke også nogle, altså også nogle Sådan altså kommer
23:00
ikke med kompromis med nogle ting.
23:03
Et i den i den manøvre, eller? Altså egentlig ikke fordi at
23:09
altså. Pointen i Det er at man så kan
23:12
man kan målrette sin kode imod flere forskellige typer
23:15
hardware, så man kan sagtens ligesom målrette et program mod
23:18
både invidia PU og en MDPU. Og så er der bare.
23:23
Noget logik der der tjekker har du en MDPU eller har du en liter
23:29
gpu og så kører den 2 forskellige dele af programmer,
23:32
men altså man får måske et lidt stort program.
23:36
Fordi det indeholder kode til flere forskellige typer
23:39
hardware, men. Men jeg tænker, hvad nu hvis?
23:42
Hvad nu hvis der man har den helt spritnye gpu for EMD for
23:45
eksempel som har en eller anden ny eller andet bridge eller et
23:49
eller andet eller anden fed eller andet whatever feature
23:52
inde i selve hardware, som gør at hvis man udnytter den på
23:57
præcis den måde, så så kan man bare få mad Games i performance.
24:03
Altså hvor det. Det ved jeg ikke.
24:05
Sådan kræver det så ligesom at de skriver en eller anden form
24:09
for adapter til den nye gpu til LVM.
24:13
Sådan så LM kan oversætte eller Sådan.
24:15
Jeg forestiller mig, der må være en masse adaptere der, at der
24:18
der ned til forskelligt hardware eller er der Sådan et?
24:21
Er der Sådan en magisk? Magiske latent sprog i hvordan
24:26
de fungerer eller giver det mening det jeg siger eller
24:28
snakker jeg. Bare Jeg tror godt Jeg kan følge
24:30
dig. Altså faktisk så tror jeg man
24:33
får rigtig god support fra sin nye hardware når man bruger LM
24:37
altså Jeg kan ikke. Jeg kan ikke tale på vegne af
24:39
det hele, selvfølgelig fordi det ikke.
24:42
Det er ikke mig der leder af projektet, men altså Sådan er
24:44
det gode ved LM er at det bliver brugt af nogle af de her store
24:47
hardware virksomheder som b og Vi er indtaget for eksempel.
24:53
Og det gør også, at de selv sørger for, at det så fort.
24:56
Ja selvfølgelig tilført undskyld for deres nye hardware.
25:01
Selvfølgelig altså. De har jo selvfølgelig interesse
25:03
i, at den her compiler den laver god kode for for deres
25:07
arkitektur. Se, Det er jo det jeg hører her.
25:11
Det er jo et et slag for open source ikke.
25:14
Altså hvordan det egentlig virker, at vi vi kan få noget,
25:18
noget kode vi alle sammen bliver dybt afhængige af super godt
25:21
ikke også det så kan vi, så bliver vi nødt til ligesom at
25:25
contribute ind her og. Og arbejde sammen.
25:28
Arbejde sammen altså. Ja Det er spændende.
25:32
Det kunne måske også være lidt spændende at høre om som som
25:34
altså nu er det jo Sådan mere nede i det end Vi er tydeligvis
25:38
og contribute til LMOP. Så kan det også være godt
25:43
spændende at høre Sådan lidt om selve open source communitiet og
25:46
Sådan det hele. Det der økosystem.
25:51
Hvordan det fungerer og så videre.
25:53
Altså. Jeg synes i hvert fald Det har
25:54
været. Det har været lidt en øjenåbner
25:56
for mig at finde ud af, at selvom Det er et open source
25:59
projekt, så er det altså. Det er primært store
26:02
virksomheder, der holder det i live og udvikler det så.
26:08
Inden Vores møde her, der var jeg lige at tjekke, hvem har
26:10
egentlig været flest commits? Og jeg kunne ikke finde data fra
26:14
i år, men Jeg tror sidste år der var Apple dem der har.
26:18
Lavet flest commits. Google er nummer 2, intet nummer
26:23
3 og så er det så MD arm. Bagefter så.
26:29
Så Det er faktisk Det er alle de store virksomheder, der arbejder
26:32
sammen, men det giver også nogle sjove diskussioner engang
26:35
imellem, altså for eksempel jeg jeg arbejder på det her cirkus
26:38
plus standard parallelisme. Og man kan jo godt se at.
26:45
Altså hvis man så skal for eksempel finde ud af at blive
26:47
enige om, hvilken compiler option skal ligesom være.
26:52
Det hvad skal man sige? Standard indstilling, hvis folk
26:55
ikke selv ændrer dem? Så kan man også se at navigere.
26:59
De vil selvfølgelig gerne have, at det her standard
27:01
parallelisme, det som udgangspunkt bliver kompileret
27:03
til navia GPU. Jeg vil gerne have, at det som
27:08
udgangspunkt bliver koblet til. Jamen Det er ikke i bruger, og
27:12
så sidder der nogle af de her mennesker, som gerne vil have,
27:14
at hele bliver holdt inde ILM som siger nej, det skal være,
27:18
det skal være open p så. Overflader det her til en GPU.
27:25
Og ja, så man kan sige man får en god compiler, men Det kan
27:30
også nogle gange processen lidt svært at at folk de har mange
27:34
Sådan. Hvad skal man sige?
27:36
Vi har nogle holdninger, som tilgodeser dem selv.
27:40
Altså. Massive interesser kunne jeg
27:43
forestille mig altså for at ja som du siger.
27:46
Fører deres eget produkt til at blive bedre, hvis altså få l min
27:50
retning til at deres eget. Produkt jeg videre, ikke?
27:54
Noget af det, som er sjovt. Det er også, at altså de her
27:57
compilere. Det er jo så.
27:59
Altså livia for eksempel. Det er jo i hvad skal man sige
28:05
PU krig med hinanden, og de bruger egentlig den samme
28:09
compiler, men hvis man så installerer laitiers compiler,
28:13
jeg ved i hvert fald deres compiler der kan man ikke.
28:16
Der kan man simpelthen ikke kompilere noget til en DPU.
28:22
Jeg tror de simpelthen har været inde og og gøre altså fjerne
28:26
nogle af de her features fra compileren, altså fra.
28:29
LM. Ja altså i den her tid gave af
28:32
LM, som man får med sin vilje p og jeg ved ikke hvad ND, men jeg
28:37
kunne forestille mig at de gør det samme, så så Der er også
28:39
nogle gange nogle ting Der er Sådan lidt kontraproduktive,
28:42
men. Altså.
28:44
Fordi brokker sig og siger, vi vil have det på Sådan så det
28:46
kører på Vores godt på Vores kippur og så når de selv
28:49
udvikler med det og udgiver det, så har de bare fjernet alt det
28:52
der understøtter de andre. Det er fandme.
28:55
På den anden side, så har de så meget siddende mange ting.
28:58
Der er også en masse mennesker som finder en bock i programmet
29:00
og siger hov det her. Det er det ske, men der skete
29:04
noget andet og så kan man sige i stedet for at hver enkelt firma
29:09
selv skal sidde og rette de her boks, så de fleste ret søde
29:12
ligesom at. Rettede det egentlig i den her
29:15
community udgave af alle dem og så.
29:18
Kan alle ligesom bare? Hvad skal man sige mødes i det
29:21
her kom midt ind i deres egen version og så.
29:24
Så hjælper AMD for eksempel nike herrer boks.
29:31
Ja så er det med hjælper de hinanden.
29:33
Så hvad nu hvis bare Sådan bare Sådan igen bare lige for at
29:36
komme lidt lavpraktisk ikke jeg hvis jeg skulle hvis jeg sad her
29:39
nu jeg havde en måned hvor jeg skulle lave noget.
29:41
Jeg kunne godt tænke mig at komme i gang med LM prøv at lave
29:44
et eller andet fedt. Hvad skal jeg så helt konkret
29:48
gøre? Og hvad kan jeg bygge?
29:50
Skal jeg anskaffe mig 1 1 1 GPU? Som Jeg kan sidde og hacke med
29:55
og så begynde at skrive LM eller hvad?
29:57
Hvad ville give mening af Sådan ligesom at tage mig?
30:01
Til altså hvis man gerne vil vil.
30:05
Ja hvis man gerne ligesom vil give sit bidrag til den her
30:07
compiler, så kan man bare gå ind på github og så.
30:11
Github. Der er virkelig mange.
30:14
Altså Der er virkelig mange boks som folk lidt mere finde.
30:19
Ja Jeg tror Der er 20.000 issues eller Sådan noget, men altså man
30:24
skal også se det i forhold til at Der er 10 millioner lige har
30:26
kode, så Det er selvfølgelig mangler.
30:29
Men men Der er nogle af dem der ligesom administrerer det her
30:33
kode som er søde af at markere nogle af de her boks som.
30:36
Sådan begynder. Ja ja.
30:39
Så Det har jeg selv gjort, så ligesom været inde og finde
30:42
nogle boks som er nemme. Og det.
30:45
Det er tit Sådan noget for eksempel altså beskeden på et
30:48
flag af forkert, så hvis man skriver.
30:51
Clan health. Så så, så fortæller den hvad?
30:55
Hvad giver hvilken hver option og så så kan det være at nogen
30:59
har skrevet. Jeg ved Det er lige copy paste
31:01
eller lidt for hurtigt, ikke? Så.
31:05
Der står noget forkert eller Sådan noget.
31:08
Flytter nice. Det er et godt sted at starte.
31:13
Det er at rette. Det er beskrivelser af
31:16
dokumentation som. Jeg lokker her, ikke?
31:25
Jeg kunne ikke lade være med at tænke på nu du sagde det der
31:27
Anton med at jamen det og og invitere at de måske er lidt i
31:30
kamp og og ja det de tager det der open source og så laver de
31:36
et eller andet med det, men der var lige komme tilbage til det
31:40
der med hvad Jeg tror Jeg er stadigvæk helt.
31:42
Jeg forstår hvordan kuda, hvad forholdet mellem hvem er, men
31:45
Jeg kan huske jeg engang sad og og tænkte nu skal jeg lave noget
31:48
med givning og Jeg har kun. De 4 gamle DAGPU hvordan får jeg
31:54
det til at gøre noget? Og så skulle jeg ind og
31:56
installere Sådan noget rock en reel learning framework fra og
32:01
Det var open source og Det var noget en video og Sådan nogle
32:03
ting. Hvordan er det så også lavet med
32:05
LVM? Tænker man jo bare med det
32:07
samme. Ja altså Jeg tror Der er rigtig
32:11
mange ting Der er bygget rundt på det og altså det giver også
32:14
meget god mening kan man sige at prøve at holde det hele i den
32:17
samme tjene, fordi det gør det nemmere at optimere ting på
32:21
kryds og tværs af forskellige typer kode.
32:26
Men ja altså, Jeg tror det her, hvad er det nu, det står for?
32:31
Jeg tror det står for. Computer eller så er det ikke
32:36
rock. Nå ja o.
32:38
K. Altså Jeg har siddet og leget
32:41
lidt med deres eller Jeg har. Ja Jeg har tilføjet noget kode
32:46
til deres matematik biblioteker. Og de er.
32:48
Bygget på LMI hvert fald så Jeg har prøvet at sidde og optimere
32:53
at Det er lidt fjollet, men. Hvis man nu skal kombinere for
32:57
eksempel GPU. Kode og cpu kode og man bruger
33:01
en funktion som sinus. Så har man 2 forskellige
33:06
versioner. Altså man har en der virker på
33:10
CPU og en der virker på PU ugen og så bruger vi så nogle
33:13
forskellige versioner alt efter om man har i viljer eller AD gik
33:16
tur og så prøvede jeg at finde ud af hvad.
33:20
Hvad gør de her biblioteker fra en af de her d egentlig og det
33:25
viste sig at de tit fra LVM så kaldte vi en.
33:30
Matematik, funktion fra rock ham.
33:33
Som så kaldte en matematisk funktion fra LVM.
33:38
Så Jeg har prøvet at Jeg er nogle af de her bedømt siges.
33:44
Ja for ja gøre det hele lidt mere overskueligt.
33:48
Har du? Set den videre simpelthen så
33:50
spaghetti i værste værste sted er Vores allesammens spaghetti
33:56
kode her. Jamen Det er det også, men så
34:01
måske. Jeg har måske ikke forklaret
34:03
Sådan helt præcist hvad altså LMI virkeligheden ja, altså Det
34:08
er Sådan en slags assembly som har nogle.
34:11
Hvad skal man sige? Virtuelle assembly
34:12
instruktioner? Så for eksempel så har vi en
34:16
sinus instruktion. Og det, Det kan man jo ikke bare
34:20
normalt bruge i hvis man skriver x et IX for eksempel det, det
34:26
findes ikke. Så det der sker, Det er at.
34:31
For eksempel MD de ser bare de siger okay Vores sinus funktion,
34:36
den returnerer bare. LVM sinus funktionen.
34:42
Og så har vi så ILM, Det har vi så ikke vist så.
34:47
Så Vi har så lavet en en rapper som siger nej, men når du kalder
34:51
sinus på en MDPU, så kalder vi. Des signes funktion ja, og så
34:59
har jeg den så kaldt l sinus infektion.
35:02
Ja. Dem der dem der kigger med og
35:04
ikke kun lytter. De kan se jeg sidder og tegner
35:06
Sådan en cirkel det det lyder meget interessant men men men nu
35:12
er du inde på noget fordi at jeg tænker at vi vi vi kommer
35:16
længere og længere ned i hvad eller hvem er?
35:18
Og og nu siger du at Det er nogle virtuelle instruktioner,
35:22
så Det er abstraheret. På en måde kan man sige
35:26
instruktionerne på forskellige. På forskellige arkitekturer ind
35:31
i noget virtuelt. Lidt ligesom.
35:36
Ja Vi har vel maskiner måske i virkeligheden gør.
35:40
Og og hvad? Hvad er det så nu?
35:43
Spørger jeg lidt ledende fordi jeg ved Det er lidt godt, men
35:46
hvad er det så også vi kan, når vi så har det der format der kan
35:50
du siger du så, at så skriver man ILM at når de gør Sådan her
35:55
så gør vi Sådan her. Man laver vel en eller anden
35:59
form for Sådan. Beslutningstagen oven på nogle
36:03
andres beslutninger og siger nej, vent lige lidt.
36:05
Jeg er lidt klogere. Jeg tror godt jeg Jeg kan godt
36:07
se hvad Det er du gerne vil, men men hvis du gør Sådan her så går
36:10
det hurtigere for du er på vej over på den her hardware for
36:14
eksempel. Jo.
36:17
Jo så. Ja altså hvad skal man sige?
36:22
Ja jeg ved ikke om jeg 100% forstod dit spørgsmål, men så må
36:26
i lige afbryde mig, hvis hvis det bliver et dårligt svar.
36:30
Jeg ved ikke om Det var det spørgsmål.
36:32
Jeg tror at fordelen ved at gøre tingene Sådan som Det er gjort
36:37
ILVM, selvom der selvfølgelig så nogle gange at Vi har problemer
36:41
med, at man ikke ved hvad folk har skrevet i de andre 10
36:45
millioner linjer kode altså altså grunden essensen er at at
36:50
det giver god mening at have de her virtuelle instruktioner.
36:53
Fordi at mange typer arkitektur de er meget forskellige, så man
36:58
kan ligesom stille for at skrive af simply hvor altså i er
37:02
simple. Der skal man bruge en calling
37:05
convention altså man skal man ved at et eller andet bestemt
37:10
antal af de her registreres som Vi har som er kernen på en cpu.
37:15
De skal bruges til at at gemme en pointer til hvor vi befinder
37:20
os i memory på computeren og eller på cpu en og.
37:24
Et antal af dem skal bruges til at.
37:27
At huske de argumenter, Vi har givet til et funktionskald og så
37:32
videre, og nogle af dem kan vi bruge til hvad som helst og
37:35
antallet af de her de varierer fra hver arkitektur.
37:40
Så vi ligesom at skrive en slags.
37:44
Hej Vettel assembly eller hvad man nu skal kalde LM.
37:48
Så kan man skrive er simply. Kode.
37:52
Men uden at at ligesom tage højde for alle de her detaljer.
38:00
Så det gør at at man kan lave. Hvad skal man sige?
38:04
Man kan lave en lidt mere Sådan højniveau implementering, som
38:08
kan kombineres til mange forskellige.
38:10
Arkitekter ja bare meget. Højt niveau og så kan man så man
38:16
kan så også lave nogle specialiseringer, så hvis man nu
38:18
rigtig gerne vil lave en hurtig udgave af senets til et eller
38:23
andet helt specifik. Arkitektur så kan man så tjekke,
38:27
findes den her arkitektur er Der er der en specifik.
38:32
Både at lave sites og så ellers hvor den generelle.
38:37
Det var Det var egentlig svaret på på på på det.
38:40
Jeg tror jeg spurgte til Det var Det var den her optimerings
38:42
øvelse, der ligesom kan lade sig gøre, når man ligesom stopper op
38:48
i det der lag der og siger, hey vent lidt, du er her på den her
38:51
hardware du prøver at gøre det her.
38:52
Nu skal jeg give dig en bedre vej.
38:56
Jeg tænkte på du siger Der er 10 millioner linjer kode ikke også?
38:59
Det er jo næsten et tekstkorpus altså som man snakker meget om
39:02
infosport modeller Det er jo lige altså Det er jo lige før
39:05
Det er Sådan det man kan modellere.
39:06
Det tænker jeg altså Det er lige før man kan ja.
39:09
Ved ikke hvad fanden man kan gøre, men man må kunne gøre et
39:11
eller andet altså. Et eller andet fed data analyse
39:15
på det. Det det tror jeg også folk gør.
39:18
Altså Der er også mange. Det er ikke noget jeg selv laver
39:21
men men men Der er mange der prøver at lave forskellige typer
39:25
kunstig intelligens til for eksempel at at lave optimerings.
39:30
Hvad synes de har? Vi kalder dem optimisation
39:32
passes. Læg dem i den rigtige
39:35
rækkefølge, fordi altså lad os sige, at Der er for eksempel
39:40
noget, der hedder konstant propagation.
39:42
Det er Sådan helt klassisk for folk, der ikke ved det, hvad Det
39:45
er, men altså det. Det kunne være at man at man
39:48
skriver en konstant altså en intet Jeg er lig med 10.
39:54
Og så i stedet for at man skal gå tilbage og se, hvad var den
39:57
her konstant? Så så bruger man bare 10 i alle
40:02
de næste funktioner, for eksempel hvor man bruger
40:05
variablene. Og ja, der findes alle mulige
40:11
forskellige typer optimeringer, men alt det der, hvilken
40:13
rækkefølge man ikke er de her pariser, får man forskellige
40:16
kode ud, så folk prøver for eksempel for at bruge kunstig
40:20
intelligens til at lægge dem i den rigtige rækkefølge.
40:24
Er det interessant, kan det? Nej undskyld undskyld.
40:28
Folk prøver også at træne nogle store sprog modeller til at
40:32
skrive at selv jeg ved i havde et et andet podcast om at lave
40:36
en sorterings algoritmen. Lige præcis.
40:39
Det skal du spørge om Det er alpha der tror jeg den hedder
40:41
ikke hvor de har brugt reinforcement learning til at
40:46
ligesom bygge jeres endelige instruktioner til at lave den
40:49
her hurtigere. Ja ja ja så Der er mange der
40:55
prøver at gøre nogle ting lignende og Jeg synes Det er
41:00
virkelig spændende, men Det er også et et felt Der er lidt
41:02
svært at at bruge de her sprogmoduler i fordi at.
41:07
Altså man vil gerne have at tingene er korrekte.
41:11
Og. Ja.
41:13
Så. Ja, Det er ikke nok ligesom at
41:15
have en god sproget model man skal også man skal også vide
41:18
hvornår Det er korrekt altså. Hvis man laver en beregning, så
41:22
er man ikke interesseret i at få et forkert svar, så.
41:27
Det. Jeg tror også det de havde
41:29
gjort. Altså så vidt jeg forstod det i
41:30
alt fordærvelse og det de havde gjort Det var de havde lavet
41:32
Sådan et Brian forcément learning environment Sådan spil
41:35
nærmest hvor det gjaldt om at få.
41:38
En eller anden given operation til at gå hurtigt ved at sætte
41:41
assembly instruktioner sammen. Og så ligesom bare grund igennem
41:48
på den måde ikke altså, men men Det er igen.
41:49
Det er så low level at jeg fatter det ikke.
41:52
Altså jeg fatter det virkelig. Ikke, men men men men det tror
41:55
jeg et eller andet gør unge, fordi at at konceptet i Det er
41:59
ikke så. Det er svært at forstå egentlig
42:02
at det. Er jo i.
42:03
Virkeligheden du du har x antal instruktioner og du kan sætte
42:08
dem sammen på uendelig mange måder, men og Vi skal finde
42:12
noget der giver det her outcome og vi kan teste det på den anden
42:16
side at Vi har lavet altså korrektheden af det program kan
42:18
vi teste og så kan vi bare prøve alt muligt af, men problemet er,
42:22
at Der er uendeligt mange kombinationer, så derfor så skal
42:25
vi lave Sådan en eller anden form for intelligent måde at
42:28
vælge de rigtige til og de dårlige fra.
42:32
Og Det er jo der, hvor reinforcement learning kommer
42:34
ind, så er det jo fuld. Fuldstændig klassisk optimerings
42:38
problematik, som vi forestiller løsning løser bare Sådan lidt
42:43
crazy. Men jeg tænker det må.
42:45
Det må virkelig være langhåret det her simple siden at det bare
42:48
Det er ikke bare giver mening du ved jeg det forekommer bare
42:51
Sådan lidt underligt det der med at der skulle være en eller
42:54
anden magisk kombination af simple instruktioner, som der
42:57
ikke var nogen der havde opdaget før og som det tog en deep
43:00
learning i en forstand learning model 1000 dage til altså det
43:04
det det tænkte jeg bare Sådan, men hvorfor er der ikke bare
43:06
lige nogen der ja, men men. Det er klart beyond i det her.
43:10
Men Det er det, den har opdaget en algoritme ikke den fandtes
43:13
derude i virkeligheden den her løsning, men Der er ikke nogen,
43:16
der havde opdaget det. Det Der er fedt.
43:19
Så. Altså Jeg synes Det er vildt
43:22
spændende det her. Jeg har faktisk ikke.
43:23
Jeg har ikke dykket så meget ned i deres papir og Sådan noget,
43:26
men jeg. Jeg har Sådan nogle nogle
43:30
problemstillinger i hovedet, som jeg ikke helt forstår hvordan i
43:32
har løst. Altså for eksempel det altså det
43:35
her med at optimere. Noget altså.
43:39
Det er jo noget som. Det er jo noget, som alle gerne
43:42
vil gøre. Ikke man vil gerne skrive det
43:44
hurtigst mulige kode som laver korrekte resultater.
43:48
Der er bare mange af de her problemer med at altså ting som
43:51
virker godt på en GPU virker ikke godt på.
43:55
En CPU for eksempel og. Altså Sådan en kampagne her.
44:00
Den skal også virke til, altså for eksempel folk, der laver
44:04
høreapparater, hvor man har en eller anden helt speciel type
44:08
tit, der næsten ikke bruger noget strøm og.
44:11
Understøtter langt færre instruktioner, så jeg tænker, at
44:14
det her med at optimere det, Det er jo.
44:17
Jeg har svært ved at forestille mig, hvordan de finder den
44:19
optimale kombination, uden at de ligesom har valgt.
44:23
Altså en arkitektur. Af et eller andet stykke
44:26
hardware den skal køre på. Men Jeg tror jeg også.
44:30
Sagtens forestille mig, at Der er et stort potentiale, fordi
44:32
Der er meget af simple kode, som bliver lavet af en compiler, som
44:36
ikke er Sådan. Altså, Det er ikke nødvendigvis
44:38
helt vildt godt. Men det.
44:41
Det er fordi. At ligesom man.
44:42
Får, og Det er det, og det og grunden til Det er så godt.
44:45
Det er fordi man Der er mange mennesker der meget gerne vil
44:48
slippe for den pæne. Det er at sidde og skrive ren og
44:51
simpel kode. Ja eller hvad?
44:54
Ja, og så skal man så skal man ligesom bygge en abstraktion
44:57
ovenpå, som som ligesom skal generalisere og i den
45:01
generalisering der mister man. Noget skønhed og noget
45:06
optimering. Eller altså lad os tage sinus
45:10
som eksempel for ikke altså hvis man gerne vil lave den den
45:15
allerhurtigste approximation at sinus på alle arkitekturer,
45:20
jamen så ville man være nødt til at gå ned og finde ud af.
45:23
Altså præcis hvor mange værdiers er der, og hvor meget memory er
45:29
der i. Altså hvis man nu skulle beregne
45:34
sinus på mange elementer for eksempel.
45:37
Ved siden af hinanden på en GPU, så vil man også godt vide altså.
45:40
Hvor stor er de forskellige memory niveauer?
45:45
I kassen altså hvor meget l et kasse er der og altså hvor meget
45:50
kan man gemme forskellige steder så?
45:55
Ja altså det. Det er et stort arbejde at lave
45:58
en implementation af hver hver enkelt lille funktion for alle
46:02
typer arkitektur. Åh, for fanden mand.
46:07
Ja spændende hvad hedder det? Jeg tænker at vi måske nu har vi
46:12
snart siddet og snakket en time og jeg tænker vi snakket noget
46:15
tid. Jeg ved ikke om om hvis vi vil
46:18
jeg lige se om Vi har flere spørgsmål her til LM, men jeg
46:20
havde jeg kunne faktisk godt have tænkt mig at spørge dig
46:22
Anton til at starte med, men det glemte jeg kunne godt tænke mig
46:24
at spørge dig om, hvordan Det er at bo i Californien IUSA og
46:28
arbejde der med hensyn til udvikling og Sådan noget, så det
46:32
kunne godt tænke mig at vi lige så stille og roligt transit.
46:35
Mere over til er der mere LMLMLVM og OMP som Vi skal
46:41
snakke om før vi gør det. Nej jeg jeg tænker, at folk, de
46:46
har sikkert hørt en hel masse nye udtryk i dag, så mon ikke
46:50
bare Vi skal snakke lidt om Silicon Valley også?
46:52
Altså. Jamen hvad kan du så bare brække
46:55
det ned Anton? Det kunne være spændende at høre
46:57
om din rejse og hvordan du ja hvordan er det at være derovre?
47:00
Og ja, Jeg har leveret det. Jo altså på din tidligere
47:05
arbejdsplads ekstra Bladet. Der kunne jeg forestille mig, de
47:07
har skrevet en hel del om iran mosk, hans ene nye store x.
47:12
Og Det er jo. Det er jo ikke ret langt fra
47:15
hvor jeg bor nu her kan man sige.
47:17
Og hvor er det helt specifikt du bor?
47:19
Så med amerikanerne navngivning, så bruger jeg selvfølgelig i
47:23
Dublin, som man vil tro på ligger i Irland, men.
47:29
Det er Sådan udkanten af af auckland så Sådan iberia.
47:35
Man kan tage toget til San Francisco på.
47:37
Jeg tror måske det tager 45 minutter og Sådan noget.
47:42
Og altså her i den her by. Jeg bor i der ligger oracles
47:45
hovedkvarter. Og hvis man tager en køretur
47:50
rundt om. Om Det er ja jamen så kommer man
47:53
forbi Facebook og Google og m og det vil de der og indtal og.
48:00
Altså Tesla, Der er virkelig mange store it firmaer her.
48:06
Og altså Det er virkelig et et tekop man kan tage selvkørende
48:11
biler, hvis man har brug for et lift.
48:16
Det Det er meget sjovt. Ja.
48:20
Fortalt, så var jeg. Jeg var i San Francisco og
48:23
ventede på bussen og fra busstoppestedet.
48:26
Der var der Sådan et stort busreklame.
48:28
Og og reklame, den var fra gitlab at man skulle komme og
48:33
prøve deres nye continuous integration, tror jeg så.
48:38
Så. Man kan jo ikke se hjemme i
48:40
København i hvert fald. Nej, men Det er også lidt et
48:43
desperat forsøg på at overvinde github.
48:47
Det er Sådan en døende racer nu. Det at bitbucket.
48:52
Ja jeg jeg tænker også hvor mange hvor mange sejlads man får
48:55
Sådan en busreklame. Det ved jeg ikke, men.
48:59
Lidt skeptisk. Hvordan er det så derovre?
49:01
Altså fordi jeg tænker hvis hvis man reklamerer med gået fra
49:04
gitlab på altså på busser så må man have en eller anden
49:08
demografi i tanken eller Sådan en eller anden form.
49:10
For du ved hvem er det vi Der er her ikke?
49:12
Er det virkelig Sådan at hver anden man støder ind i er så få
49:16
udvikler eller? Eller altså Sådan eller et eller
49:19
andet med it at gøre, eller? Det er nok ikke helt så mange,
49:23
men altså, men Der er rigtig mange mennesker i området
49:25
selvfølgelig, som er beskæftiget IT og man kan sige.
49:30
USA på godt og ondt, så er der desværre også altså meget stor
49:34
ulighed i lønindkomsten herovre. Så Jeg vil tro at.
49:39
De mennesker, der har råd til at bo i San Francisco og i omegnen
49:43
i beria. Det er nok også folk der har
49:46
gode jobs. Hvis man så.
49:51
Ja derimod arbejder på måske starbucks eller?
49:55
Ja det ved jeg ikke, men mcdonalds eller Sådan noget, så
49:57
så bør man nok rimelig langt væk fra byen så.
50:00
Jeg tror, at man møder en rimelig stor del udvikler.
50:06
Der er for fanden. Men ja altså.
50:11
Det Det er meget Det er meget anderledes end Danmark.
50:14
Det er også Sådan rimelig hardcore arbejdskultur med at
50:17
arbejde. Mange timer om dagen og altså.
50:22
Ja, Det var også bare generelt IUSA har de ikke ret mange
50:25
helligdage, så Der er meget arbejde herovre ved at sige.
50:32
Også Der er også meget arbejde, hvor man sidder stille på sin
50:36
stol og måske ikke forlade sig meget.
50:40
Ja, det tror jeg du har ret i. Jeg tror også Der er rigeligt.
50:42
Jeg synes Der er rigtig meget hyggesnak på mit kontor i hvert
50:45
fald i forhold til hvad jeg havde regnet med, så.
50:49
Den amerikanske har også skulptur sjov, fordi man man
50:52
siger jo, at vi gør. Vi går ikke hjem før klokken 1
50:56
eller andet, men men altså hovedet hænger ret meget de
51:02
sidste par timer og og det man står lidt længe ved
51:06
kaffemaskinen, og Det er ikke så meget der bliver lavet og Sådan
51:10
nogle ting. Men vi kom først hjem klokken 6
51:13
eller 5 eller hvornår Det er ikke så ja.
51:16
Det er nok en meget god beskrivelse også, altså i hvert
51:18
fald på min arbejdsplads. Der er folk virkelig gode til at
51:20
holde lange frokostpauser. Altså i stedet for at tage
51:23
kantinen, så kan folk godt lide at tage på restaurant og altså
51:27
så skal man jo lige køre hen til restauranten og tilbage og.
51:32
Det kan godt tage lidt tid. Ja ja, men afslutningen.
51:38
Hvis Anton så kunne måske godt tænke mig bare at høre, hvis man
51:41
sidder derude og godt kunne tænke sig at arbejde ved med
51:45
LMLELVM og OMP. Og og ligesom Sådan gør vi i
51:52
gang eller drømmer om at at lave det.
51:54
Hvad? Hvad gør man?
51:56
Hvad gør man? Anton?
51:57
Er der overhovedet noget arbejde at få med det herhjemme i
52:00
Danmark, eller skal man til San Francisco for at arbejde med?
52:04
Aha altså det sidste, Det er virkeligheden.
52:07
Og så videre. Jeg kan læse noget andet end
52:10
matematik i hvert fald. Jeg er ikke sikker på Det er den
52:12
bedste baggrund Jeg har. Men hvis man læser computer
52:16
science, så tror jeg man er godt dækket ind og så som sagt, altså
52:20
hvis man hvis man kan finde ud af at skrive sit plus plus.
52:24
Så kan man også godt finde ud af at arbejde med kompileren her,
52:27
fordi. Alt lavet IC plus plus selv Det
52:31
er der nogen der synes Det er sjovt, men altså fortegn
52:34
compileren. Den har også skrevet IC plus
52:36
plus for eksempel så. Så altså det det vigtigste.
52:43
Og med jobsene. Jeg ved ikke rigtig hvor mange
52:45
jobs Der er i Danmark. Det er også noget, jeg selv er
52:47
lidt bekymret for, om jeg om jeg overhovedet kan arbejde med
52:50
noget relevant, når jeg kommer hjem igen.
52:52
Men det det må tiden vise. Altså Der er rigtig mange
52:57
mennesker på verdensplan, der arbejder med det her.
53:01
Så Jeg vil, Jeg vil sige at. Det det tror jeg altså.
53:07
Jeg vil også sige at Det er. Det er stærkt relevant det du
53:13
sidder med. Det er noget, der bliver brugt
53:17
så meget ude i verden, og Det har kæmpe kæmpe impact når man
53:22
skriver bare en eller 2 linjer kode til det der show der så Det
53:27
er. Det er imponerende i sig selv
53:29
vil jeg sige. Så det du du Det kan godt være
53:32
at det bliver set som at man ikke skaber så meget værdi, men
53:35
Jeg tror for dem Der er helt nede III tech verdenen og godt
53:40
kan se at. Det her, Det er noget vi aftager
53:43
på alle sammen, så det påvirker Sådan set alt derude.
53:47
Ja, Det er også Sådan en god følelse, at hvis man hvis man
53:50
forbedrer noget, så er det altså potentielt en. 3 milliarder
53:55
Android devices eller hvor mange der nu er aktive som som lige er
53:59
blevet en lille smule hurtigere, så Det er meget lidt strøm.
54:04
Ikke bare de centrene der lige spare lidt strøm.
54:06
Og ja, Det er da en fed følelse. Det må du lige skrive ind i hvad
54:10
hedder det LinkedIn hedere end der lige skrive Sådan kæmper for
54:14
miljøet online. Kunder der time eller Sådan
54:18
noget? Ja ok men ja super hvad hedder
54:23
det? Jeg synes Jeg synes Det var jeg
54:25
ikke med dig Jonas men Jeg synes Det var ret spændende at få et
54:28
indblik i hvad filen Det er for noget det her og jeg ved ikke
54:31
Jeg tror Jeg tror Der er mange machine learning folk som som er
54:35
ret meget ret store brugere af ting der skal gå hurtigt på p ur
54:39
og hardware generelt så Vi er Sådan Der er meget Sådan Der er
54:43
Sådan Det er sgu lidt sejt altså man er lidt en af de de hårde
54:46
bananer føler jeg hvis man hvis man laver det du laver Anton II
54:49
den her verden her det synes jeg skulle Det er ret cool.
54:52
Så så jeg føler mig, jeg føler mig stolt og glad over, at Jeg
54:55
er blevet indviet lidt mere i hverdagen foregår selvom jeg
54:58
føler ikke jeg fatter det helt endnu, men lidt mere end jeg
55:03
gør. For 2 2% 2% kendte til det nu.
55:06
Nu er vi måske oppe på 3 4 stykker.
55:11
Så Jeg er måske på 5. OK, men vi lærer jo alle sammen
55:16
hele tiden. Heldigvis lader det, så kan man
55:19
sige, at så længe man har en compiler et eller andet sted og
55:23
den den bliver kaldt uden man ved det, så bliver man jo være
55:27
glad som bruger. Det er godt vi peger, den
55:32
virker. Stadigvæk.
55:33
Det må også være lidt utaknemmeligt arbejde på noget
55:35
der bare Sådan er er, så så glem det ikke og så ud underpris chat
55:41
på en eller anden måde ja, men Jeg synes i hvert fald Det er
55:43
mega sejt det du laver Anton og glad for du vil være med på
55:47
podcasten her. Tak fordi i satte tid af til
55:51
det. Og ja, jeg håber at Det har
55:53
været spændende også for folk der har lyttet med det.
55:57
Håber. Vi ja.
55:58
Yes jamen så synes jeg bare at Vi skal afslutte her for i dag
56:01
og 1000. Tak fordi du var med Anton og
56:04
tak fordi i lyttede med derude. Have det rigtig godt.
56:06
Vi ses igen i næste uge. Hej hej hej.