Ich habe früher hier und hier über Nvidia RTX GPUs geschriben und wie ich den 11GB Asus GeForce GTX 1080 Ti ROG Strix OC Aktiv PCIe 3.0 x16 storniert habe. Auf jeden Fall brauche ich ein besseres GPU um meine Deep Learning Modelle schneller zu trainieren, aber auch wenn, nicht als Externe GPU, sondern in einem Gaming Destop-PC oder Workstation – 4x NVIDIA RTX 2080 Ti GPUs integriert.
Heute habe ich Lambda’s RTX 2080 Ti Deep Learning Benchmarks hier gesehen und bin von Resultaten erstaunt:
- Das Einzelpräzisions-Training (FP32) des RTX 2080 Ti für CNNs mit TensorFlow ist zwischen 27% und 45% schneller als das 1080 Ti für gemessene Netzwerke.
- Das RTX 2080 Ti-Halbpräzisions-Training (FP16) von CNNs mit TensorFlow ist zwischen 60% und 65% schneller als das 1080 Ti für gemessene Netzwerke.
- Wenn Sie FP16 Training machen, ist der RTX 2080 Ti wahrscheinlich das zusätzliche Geld wert. Wenn Sie dies nicht tun, müssen Sie überlegen, ob ein Kostenanstieg von 71% einen durchschnittlichen Leistungszuwachs von 36% bedeutet.
Der 2080 Ti bietet eine 1,41-fache Beschleunigung gegenüber dem 1080 Ti für das ResNet-152-Training mit einfacher Präzision und 1,65-fache Beschleunigung gegenüber dem 1080 Ti für das ResNet-152-Training mit halber Präzision.
Wenn Sie Deep Learning Modelle schneller trainieren wollen, es lohnt sich eine NVIDIA RTX 2080 Ti GPU zu kaufen. Wenn Sie aber nur für Gaming eine neue GPU brauchen, einen GTX 1080 Ti reicht vollig aus.
Neueste Kommentare