深度学习GPU显卡选型攻略

Posted AI 菌

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习GPU显卡选型攻略相关的知识,希望对你有一定的参考价值。

一、选择算力在5.0以上的

根据官方说明,在GPU算力高于5.0时,可以用来跑神经网络。算力越高,计算能力越强,建议小伙伴们在资金充足的情况下,尽量买算力高一些的。

英伟达GeForce 与 TITAN 显卡算力对比:
在这里插入图片描述
英伟达 Tesla 显卡算力对比:
在这里插入图片描述

二、尽量选择大显存

显存越高,意味着性能越强悍。特别是对于CV领域的朋友们,建议至少有一个8GB显存的显卡。下面是英伟达的部分中高端显卡的一些性能参数。

GeForce 与 TITAN 显卡参数:

在这里插入图片描述
Tesla 显卡参数:
在这里插入图片描述

三、GPU几个重要的参数

  • GPU架构
    不同款的GPU可能采用不同设计架构,比如GeForce 10系列的GTX 1080/1080Ti采用的是Pascal架构,而GeForce 20系列的RTX 2080/2080Ti采用的是Turing架构。不同架构的GPU,即使其他参数差不多,性能差别可能非常大。
  • 显存带宽
    代表GPU芯片每秒与显存交换的数据大小,这个值等于 显存位宽*工作频率,单位为GB/秒,该值越大,代表GPU性能越好。Geforce GTX 1080的显存带宽为320GB/秒,而它的升级版Geforce RTX 2080的带宽为448GB/秒。
  • 显存位宽
    代表GPU芯片每个时钟周期内能从GPU显存中读取的数据大小,这个值越大代表GPU芯片和显存之间数据交换的速度越快,性能越好。Geforce GTX 1080的显存位宽为256bit,Geforce RTX 2080Ti显存位宽为352bit。
  • GPU工作频率
    代表GPU每秒钟工作次数,单位为MHz,跟CPU的频率类似。该值越大代表性能越好。
  • CUDA核心数量
    CUDA核心数量越大越好,Geforce GTX 1080的CUDA核心数量是2560个。而Geforce RTX 2080Ti的CUDA核心数高达4352个。
  • 功耗
    GPU能耗,像Geforce这种消费级的显卡一般功耗非常高,Geforce GTX 1080的最大功耗为175W,Tesla P4的最大功耗为75W。像那种数据中心大规模级别的GPU部署,低功耗的显卡一年电费能省很多。

以上是关于深度学习GPU显卡选型攻略的主要内容,如果未能解决你的问题,请参考以下文章

[AI开发]深度学习如何选择GPU?

深度学习换进配置

深度学习硬件竞赛,CPU要抢GPU的饭碗?

使用 AMD 显卡加速 TensorFlow

为啥做GPU计算,深度学习用amd显卡的很少,基本都nvidia

什么是CUDA和CUDNN?——GeForce NVIDIA显卡用于深度学习计算的GPU加速工具