英伟达p4显卡参数 [AI开发]如何选择GPU进行深度学习？

在深度学习的影响下，机器推理变得更加准确和快速。深度学习为人工智能行业的发展做出了巨大贡献，这得益于现阶段硬件计算能力的提高以及Internet上大量海量训练数据的出现。本文主要介绍在深度学习过程中如何选择合适的GPU图形卡。如果您不熟悉深度学习，希望本文对您有所帮助。

推理中使用的硬件有两种，一种是由AI硬件公司生产的AI芯片，另一种是我们通常已知的GPU显卡。前者不适合初学者，而后者则很难入门或具有成本效益。最重要的是，它是新手的首选。大约有两家主流GPU视频卡制造商，一个是Nvidia，另一个是AMD。前者产生的卡通常称为N卡，后者称为A卡。目前，无论是在一般消费市场（如玩游戏）还是在进行机器推理，N卡都是主流，生态性更好。因此，如果没有特殊原因，建议新手首先选择N卡。我个人不建议使用非主流产品和技术，因为它们大多不成熟，在使用过程中有许多困难，甚至正式死亡也将最终中止。本文中的所有内容均基于Nvidia显卡。

==更新==

根据实际经验，Geforce更适合调试和开发。实际发行的卡是选择官方推荐的特斯拉。谁知道具体原因。

Nvidia显卡分类

Nvidia图形卡主要分为3类：

1）Geforce系列

该系列是销量最高的最受欢迎的图形卡，通常用于玩游戏。价格便宜，最新的旗舰卡RTX 2080Ti京东售价约1w，价格根据不同品牌而有所波动。低调的可以便宜一千美元买到。对于游戏发烧友来说，花费1w来购买这种图形卡非常普遍。该系列图形卡的官方定位是消费级的，供您玩游戏。但是它在深度学习中的表现也很好。许将其用于推理和培训。单张卡的性能实际上并不比特斯拉系列深度学习卡差多少，但性价比却要高得多。例如，停产的GTX 1080显卡的参数与用于深度学习的入门级显卡Tesla P4的参数基本相同。用于训练和推理的效果要比特斯拉P4更好，但是GTX 1080每张卡的售价仅为5000〜6000，而特斯拉P4要卖到1.4w。 Nvidia正式禁止将GTX系列图形卡用于深度学习和其他目的。一旦使用，保修将自动涵盖。那么，既然性能相似，为什么至今价格差呢？原因将在后面讨论。

2）Quadro系列

Quadro系列图形卡通常用于特定行业，例如设计，建筑等，图像处理图形卡（例如CAD，Maya等软件）很少为普通百姓使用，并且价格相对较高更贵，所以我在这里不多说。

3）Tesla系列

Tesla系列图形卡定位并行计算，通常用于数据中心，特定点，例如深度学习，培训，推理等。阿里云和Amazon Cloud具有大量GPU服务器，并且基本上使用Tesla系列图形卡。该系列显卡具有特别明显的功能，那就是价格昂贵。如前所述，Tesla系列入门级图形卡Tesla P4在深度学习方面比GTX 1080差，但价格却是后者的三倍以上。与其他更高级别的Tesla V100、Tesla P100一样，价格高达8w和4w。尽管此价格表现出色，但普通人无法承受。只有企业数据中心才会部署这种图形卡。如前所述，由于与用于深度学习的GeForce相比，Tesla系列显卡不具有成本效益，为什么Nvidia仍会推出Tesla系列？主要有四个原因：

（1）我们前面讨论的性能比较都是基于单个图形卡，并且Tesla系列图形卡针对GPU群集进行了优化，例如4卡，8卡甚至16卡服务器Tesla。多显卡的综合性能不会受到很大的影响，但是Geforce游戏卡的性能损失非常严重，这也是特斯拉主要推动并行计算的优势之一。

（2）数据中心中的GPU显卡被大量部署，有多台服务器，每台服务器有多个GPU显卡，而Tesla系列显卡的功耗优化非常明显，Tesla P4单机显卡最大，功耗仅为75W，与参数配置类似的GTX 1080功耗高达175W，可以想象Tesla系列显卡更适合部署从长远来看，成本要低得多，低功耗的原因之一是，特斯拉系列显卡基本上是无源散热的，并且不提供风扇，这更适合数据中心的工作环境机房：服务器设备被均匀冷却且机房处于恒温状态，这本身与它的位置一致。

（3）还有一件事，像Geforce这样的消费级图形卡更新太快。GTX1080图形卡的生命周期不到2年，并且已经停产。电子设备（例如手机）还没有完成后，可能无法购买要购买的GPU。

（4）消费级图形卡毕竟是供个人使用的，性能无法无限提高。用于并行计算的Tesla图形卡的高端版本可能具有更高的性能（参数配置）而不是高端版本的消费类显卡。

请注意，可以在中国购买的图形卡通常由第三方代理商出售，例如，多彩，华硕，丽台和其他图形卡制造商。这些制造商将对Nvidia的核心图形芯片进行一些修改，例如散热级的Tesla P4，价格约为1.4W。 RTX 2080Ti经过了实际测试，YoloV3目标检测模型可以运行20个1080P高清实时流通道。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shenmilingyu/article-347758-1.html