这是一个创建于 2054 天前的主题，其中的信息可能已经有所发展或是发生改变。
公司在采购硬件，这俩 GPU 选哪个
RTX8000 内存更大（ 48G ），更便宜（便宜 40%），但网上找到的资料比较少，有 V 友可以指条明路么
RTX8000 内存更大（ 48G ），更便宜（便宜 40%），但网上找到的资料比较少，有 V 友可以指条明路么
第 1 条附言 2020-02-26 18:56:56 +08:00
V100 基本参数：
5120 cuda cores，640 tensor cores，tensor performance 112 TFLOPS
RTX8000 基本参数：
4608 cuda cores，576 tensor cores，72 RT cores，tensor performance 130.5 TFLOPS
Training Performance on ResNET-50:
1xV100 XLA+FP16: 1354.43 images/sec
1xV100 FP16: 888.63 images/sec
1xRTX8000 XLA+FP16: 1016.74 images/sec
1x RTX8000 FP16: 628.75 images/sec
FYI
5120 cuda cores，640 tensor cores，tensor performance 112 TFLOPS
RTX8000 基本参数：
4608 cuda cores，576 tensor cores，72 RT cores，tensor performance 130.5 TFLOPS
Training Performance on ResNET-50:
1xV100 XLA+FP16: 1354.43 images/sec
1xV100 FP16: 888.63 images/sec
1xRTX8000 XLA+FP16: 1016.74 images/sec
1x RTX8000 FP16: 628.75 images/sec
FYI
 | 1 psychoo 2020-02-26 15:24:05 +08:00 |
 | 2 df4VW 2020-02-26 15:24:17 +08:00 这俩完全不一样吧，大数据机器学习领域的话无脑 v100 |
 | 3 kvenux OP @psychoo 光看规格比不出来啊 最好有类似这样的 https://developer.nvidia.com/deep-learning-performance-training-inference |
 | 5 nightwitch 2020-02-26 16:27:33 +08:00 你说的 v100 是啥 tesla v100? quadro v100? 公司采购是拿来干什么？ 拿来搭云服务的话 NVIDIA 的意思是只能用 tesla。 公司自己内部做开发平台的话. 可以参考 https://blog.exxactcorp.com/whats-the-best-gpu-for-deep-learning-rtx-2080-ti-vs-titan-rtx-vs-rtx-8000-vs-rtx-6000/ |
 | 6 feast 2020-02-26 16:36:12 +08:00 via Android tesla 卖的是 sdk 的钱，你公司估计也不会用，自己写买 rtx 吧 |
| 7 kvenux OP @nightwitch nice link! |
 | 8 xau 2020-02-26 19:04:08 +08:00 via iPhone 不能单纯看硬件吧 你都没说准备怎么拿来用 |
 | 10 terencelau 2020-02-26 19:14:25 +08:00  1 有高精度需求就上 Tesla，不然 RTX 更划算 |
 | 11 ZRS 2020-02-26 19:39:53 +08:00 1 有双精度需求 V100 否则 RTX8000 |
| 12 feast 2020-02-26 22:57:00 +08:00 via Android 从供应角度来讲非完整版的 die 的卡要的人没有完整版 die 的多，溢价更低，实际上性能差距不大，rtx 还支持光线追踪 |
 | 13 iasuna 2020-02-26 23:23:25 +08:00 via iPhone deep learning 我建议你买 v100 除非代码完全手写 这么研究机构 就没见过不用 n 卡的 你买了个 amd 到时候别人的代码出 bug 了 太麻烦 |
 | 14 Xs0ul 2020-02-26 23:37:45 +08:00 1 RTX8000 感觉上是传统上说的"专业卡", 和游戏显卡相对, 感觉是给渲染什么用的 V100 就是 deep learning 用的. 比如你复现别人论文的模型, 别人论文里提到 V100 下速度是多少,你就很容易比对. 另外出了莫名其妙的 bug, 也更容易搜到同样的问题和解决方案. 和这些比起来速度是小事 |
 | 15 lonelygo 2020-02-27 00:01:59 +08:00 1 看场景，DL 还是纯粹的图像处理，否则没法比，别人也没法给你准确建议。 如果是 DL 使用，还要看是用来训练+推理，还是仅仅做推理。 如果是要做推理，还要考虑双精度、单精度、半精度的推理问题，那还要增加一个考虑维度。 不过能上来就看 V100 这种大卡，估计不缺钱，那就无脑买贵的呗。 |
 | 18 gladuo 2020-02-27 00:33:27 +08:00 1 @kvenux 参考这个 https://blog.exxactcorp.com/whats-the-best-gpu-for-deep-learning-rtx-2080-ti-vs-titan-rtx-vs-rtx-8000-vs-rtx-6000/ 简略看了一下，速度差距没那么大，主要还是 显存+钱 决定 |
Select Language