Ich arbeite derzeit mit neuronalen Netzen und habe meinen Code kürzlich deutlich schneller gemacht, indem ich ein Framework richtig konfiguriert habe, um eine GPU zu nutzen. Die verwendete GPU ist eine Tesla C2075, die Teil desNvidia TeslaSerie.
Da die Aktivierung der GPU-Berechnung einen so großen Leistungsschub brachte, war ich neugierig, was die neueste GPU von Nvidia ist. Sie heißt Titan Z und ist Teil derGeForce 700-Serie.
Allerdings bin ich etwas verwirrt. Eine „Tesla K40 Workstation Card 12GB DDR5“ kostet bei Amazon aktuell 5500 Euro, die Titan Z hingegen 2750 Euro.
Mir scheint, dass die Titan Z ein viel besseres Angebot ist (siehe Spezifikationen). Ich habe mit einem Freund darüber gesprochen und er meint, dass „wissenschaftliche GPUs“ und „Gaming-GPUs“ unterschiedlich sind. Könnte bitte jemand anders näher erläutern, was bei diesen „wissenschaftlichen GPUs“ und „Gaming-GPUs“ unterschiedlich ist? Haben sie unterschiedliche Befehlssätze?
(Wie kann man erkennen, was für das Training neuronaler Netze besser geeignet sein könnte?)
Technische Daten
Die folgenden Spezifikationen stammen vonhttp://www.nvidia.com/gtx-700-graphics-cards/gtx-titan-z/Undhttp://www.nvidia.com/object/tesla-servers.html. Die erste Nummer ist der Titan Z, die zweite der Tesla K40
- Name: Titan Z ↔ Tesla K40
- Anzahl und Typ der GPU: ↔ 1 Kepler GK110B
- Maximale Leistung bei Gleitkommazahlen mit doppelter Genauigkeit: 2,66 Tflps (sieheVerknüpfung) ↔ 1,43 Tflops
- Spitzenleistung bei Gleitkommazahlen mit einfacher Genauigkeit: ? ↔ 4,29 Tflops
- Speicherbandbreite: 672 GB/s ↔ 288 GB/s (ECC aus)
- Speichergröße (GDDR5): 12 GB ↔ 12 GB
- CUDA-Kerne: 5760 ↔ 2880
Aktualisieren
- Eine andere Person scheint die gleiche Frage zu haben:Titan GTX vs. TESLA k20 Octane-Render
- 17 Gründe für den Titan, nur 3 für Tesla aufversus.com
Antwort1
Wissenschaftliche GPUs haben
- ECC-Speicher: Das scheint einen großen Unterschied zu machen. Laut meinem Rat kann man etwa alle 26 Stunden mit einem Fehler rechnen.
- Leistungsinformationen sind über verfügbar
nvidia-smi.
Gaming-GPUs können einen Monitor verwenden. Wissenschaftliche GPUs haben nicht unbedingt einen Videoausgang.