服务器cpu是否在文件传输上比普通cpu好很多？

Posted 2023-05-12

我的i7-8750下载东西24m，那个程序就用了30多%，现在家庭网络有的下载速度可以达到100多m每秒，那我的电脑就传输速度会卡到死。还是一对一的传输。
服务器是一对多传输，而且还要处理大量数据。
服务器是不是在数据传输和数据处理上比普通cpu好

网络传输速度基本只依赖网卡芯片，对CPU的占用是非常小的。服务器的CPU性能上是要好过普通的家用CPU，但是基本上性能差距并非数量级差异。 参考技术A 数据服务器主要负责数据的读取、传输、接收和存储，这些进程往往都是后台运行的，在进行数据的传输和读写时，很少同时运行其他太多的大型程序。
而家用电脑通常是为了办公、娱乐、通信、游戏等日常应用而设计的，高带宽下载和读写时，自然会和其他应用争夺系统资源而发生冲突，卡顿是自然的。
还有，服务器采用的系统和家用PC的系统也是不一样的。本回答被提问者采纳 参考技术B 并不是这样的，服务器CPU是在多线程上占优势，可以同时处理多个线程，可是在处理单一线程上，对家用cpu上并没有什么优势，反而因为频率较低而稍有劣势。

Torch 线性模型前向传递在 GPU 上比 CPU 慢 4 倍

【中文标题】Torch 线性模型前向传递在 GPU 上比 CPU 慢 4 倍

【英文标题】：Torch linear model forward pass 4 times slower on GPU then CPU

【发布时间】：2016-10-13 00:05:32

【问题描述】：

我正在使用 Torch 7 开发 AWS GPU 实例之一。 以下代码对线性模型的简单前向传递进行了基准测试。 gpu 执行似乎慢了大约 4 倍。我做错了什么？

require 'torch';
require 'nn';

cmd = torch.CmdLine()
cmd:option("-gpu", 0) -- gpu/cpu
cmd:option("-n_in", 100)
cmd:option("-n_out", 100)
cmd:option("-n_iter", 1000)

params = cmd:parse(arg)
A = torch.Tensor():randn(params.n_in);
model = nn.Sequential():add(nn.Linear(params.n_in, params.n_out))

if params.gpu>0 then
    require 'cutorch';
    require 'cudnn';
    A = A:cuda()
    model = model:cuda()
end

timer = torch.Timer()

for i=1,params.n_iter do
    A2 = model:forward(A)
end
print("Average time:" .. timer:time().real/params.n_iter)

【问题讨论】：

尝试更大的维度

谢谢，好像是这样！使用 -n_in 10000 -n_out 500 运行可以在 gpu 上提供大约 30 倍的加速。

【参考方案1】：

您需要足够大的网络才能充分利用 GPU。对于小型网络（