admin 管理员组文章数量: 887016
显卡性能天梯图
https://www.mydrivers/zhuanti/tianti/gpu/
experience from zhihu
NVIDIA主要有三个系列的显卡：GeForce,Quadro,Tesla。
GeForce面向游戏，Quadro面向3D设计、专业图像和CAD等，Tesla面向科学计算。
GeForce面向游戏，性能高，但精度低，稳定性比Telsa差很多。毕竟玩游戏的时候如果程序崩了也就丢个存档，但服务器崩了没准挂掉一个公司。
Tesla从诞生之初就瞄准高精度科学计算，所以Tesla严格意义上不是块显卡，是个计算加速卡。（对于不带视频输出的Tesla显卡而言，玩游戏是指望不上的）。
Tesla的设计上双精度浮点数的能力比起Geforce系列强很多，不过从深度学习的角度看，双精度显得不那么重要，经典的AlexNet就算两块GTX580训练出来的。
除了精度，Tesla主要面向工作站和服务器，所以稳定性很好，同时会有很多针对服务器的优化。
当然，Tesla系列最大的特点是贵。
综上，如果在大规模集群上进行深度学习研发和部署，Tesla是首选，尤其是M和P子系列。
单机上开发的话，土豪或者追求稳定性高的人请选Tesla，最有性价比且能兼顾日常使用的选择是GeForce.
作者：MissCatty
链接：https://www.zhihu/question/63871565/answer/510320254
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
那么对于深度学习，如何选择GPU？我的建议如下：
- 总体来说最好的 GPU 是: RTX 2080 Ti
- 成本效益高，但价格昂贵：RTX 2080, GTX 1080
- 成本效益高，且价格实惠: GTX 1070, GTX 1070 Ti, GTX 1060
- 我使用的数据集 > 250GB: RTX 2080 Ti 或 RTX 2080
- 我没有太多预算: GTX 1060 (6GB)
- 我很穷: GTX 1050 Ti (4GB) or CPU (prototyping) + AWS/TPU (training)
- 我参加 Kaggle 竞赛: GTX 1060 (6GB) 用于原型设计 , AWS 用于最终训练; 使用 fastai 库
- 我是计算机视觉研究人员：RTX 2080 Ti; 2019 年可以升级到 RTX Titan
- 我是一名研究人员：RTX 2080 Ti 或 GTX 10XX -> RTX Titan（看一下你当前模型的存储要求）
https://zhuanlan.zhihu/p/42809635
useful background
https://wwwblogs/timlly/p/11471507.html#11-%E4%B8%BA%E4%BD%95%E8%A6%81%E4%BA%86%E8%A7%A3gpu%EF%BC%9F
版权声明：本文标题：显卡性能比较 & GPU common sense 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1729076842h1314829.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论