Pieredze ir būtiska, lai attīstītu prasmes, kas nepieciešamas, lai padziļinātu mācīšanos piemērotu jauniem jautājumiem. Ātrs GPU nozīmē ātru praktiskās pieredzes gūšanu, izmantojot tūlītēju atgriezenisko saiti. GPU ir vairāki kodoli, lai veiktu paralēlus aprēķinus. Tie ietver arī plašu atmiņas joslas platumu, lai viegli pārvaldītu šo informāciju.
| Mūsu vispopulārākā izvēle par labāko grafisko karti dziļai mācīšanai ir Nvidia Geforce RTX 2080 Founders Edition. Pērciet to tagad par USD 1 940 USD vietnē Amazon |
 |
Paturot to prātā, mēs cenšamies atbildēt uz jautājumu: Kāda ir labākā grafiskā karte AI, mašīnmācībai un dziļai mācībai? pārskatot vairākas grafikas kartes, kas pašlaik pieejamas 2021. gadā. Kartes pārskatītas:
Zemāk ir rezultāti:
AMD RX Vega 64
Radeon RX Vega 64
Iespējas
- Publicēšanas datums: 2017. gada 14. augusts
- Vega arhitektūra
- PCI Express saskarne
- Pulksteņa ātrums: 1247 MHz
- Plūsmas procesori: 4096
- VRAM: 8 GB
- Atmiņas joslas platums: 484 GB/s
Pārskats
Ja jums nepatīk NVIDIA GPU vai jūsu budžets neļauj tērēt grafikas kartei vairāk nekā 500 USD, tad AMD ir gudra alternatīva. AMD RS Vega 64, kurā ir pienācīgs RAM apjoms, ātrs atmiņas joslas platums un vairāk nekā pietiekami straumes procesori, ir ļoti grūti ignorēt.
Vega arhitektūra ir jauninājums no iepriekšējām RX kartēm. Veiktspējas ziņā šis modelis ir tuvu GeForce RTX 1080 Ti, jo abiem šiem modeļiem ir līdzīga VRAM. Turklāt Vega atbalsta vietējo pusi precizitāti (FP16). ROCm un TensorFlow darbojas, taču programmatūra nav tik nobriedusi kā NVIDIA grafikas kartēs.
Kopumā Vega 64 ir pienācīgs GPU dziļai mācībai un AI. Šis modelis maksā krietni zem USD 500, un tas iesācējiem paveic darbu. Tomēr profesionāliem lietojumiem mēs iesakām izvēlēties NVIDIA karti.
Informācija par AMD RX Vega 64: Amazon
NVIDIA Tesla V100
Tesla V100
Iespējas:
- Publicēšanas datums: 2017. gada 7. decembris
- NVIDIA Volta arhitektūra
- PCI-E saskarne
- 112 TFLOPS Tensor Performance
- 640 Tenoru krāsas
- 5120 NVIDIA CUDA® krāsas
- VRAM: 16 GB
- Atmiņas joslas platums: 900 GB/s
- Aprēķina API: CUDA, DirectCompute, OpenCL ™, OpenACC®
Pārskats:
NVIDIA Tesla V100 ir izcila un viena no labākajām grafiskajām kartēm mākslīgā intelekta, mašīnmācīšanās un dziļas mācīšanās vajadzībām. Šī karte ir pilnībā optimizēta, un tajā ir visi labumi, kas šim nolūkam var būt nepieciešami.
Tesla V100 ir pieejams 16 GB un 32 GB atmiņas konfigurācijās. Izmantojot daudz VRAM, AI paātrinājumu, lielu atmiņas joslas platumu un specializētus tenzora kodolus dziļai mācīšanai, varat būt drošs, ka katrs jūsu apmācības modelis darbosies nevainojami - un īsākā laikā. Konkrēti, Tesla V100 var nodrošināt 125TFLOPS dziļas mācīšanās veiktspējas gan apmācībai, gan secinājumiem [3], ko nodrošina NVIDIA Volta arhitektūra.
NVIDIA Tesla V100 detaļas: Amazon , ( 1 )
Nvidia Quadro RTX 8000
Nvidia Quadro Rtx 8000
Iespējas:
- Publicēšanas datums: 2018. gada augusts
- Tjūringa arhitektūra
- 576 Tenoru krāsas
- CUDA krāsas: 4 608
- VRAM: 48 GB
- Atmiņas joslas platums: 672 GB/s
- 16.3 TFLOPS
- Sistēmas saskarne: PCI-Express
Pārskats:
Quadro RTX 8000, kas īpaši izstrādāta dziļās mācīšanās matricas aritmētikai un aprēķiniem, ir augstākā līmeņa grafiskā karte. Tā kā šai kartei ir liela VRAM ietilpība (48 GB), šis modelis ir ieteicams īpaši lielu skaitļošanas modeļu izpētei. Lietojot pārī ar NVLink, ietilpību var palielināt līdz 96 GB VRAM. Kas ir daudz!
72 RT un 576 Tensor serdeņu kombinācija, lai uzlabotu darbplūsmas, nodrošina vairāk nekā 130 TFLOPS veiktspēju. Salīdzinot ar mūsu saraksta visdārgāko grafisko karti - Tesla V100 - šis modelis potenciāli piedāvā par 50 procentiem vairāk atmiņas un joprojām spēj maksāt mazāk. Pat instalētajā atmiņā šim modelim ir izcila veiktspēja, vienlaikus strādājot ar lielākiem partijas izmēriem vienā GPU.
Atkal, tāpat kā Tesla V100, šo modeli ierobežo tikai jūsu cenu jumts. Tomēr, ja vēlaties ieguldīt nākotnē un augstas kvalitātes skaitļošanā, iegādājieties RTX 8000. Kas zina, jūs varat vadīt AI pētījumus. Tesla V100 pamatā ir Tjūringa arhitektūra, kur V100 pamatā ir Volta arhitektūra, tāpēc Nvidia Quadro RTX 8000 var uzskatīt par nedaudz modernāku un nedaudz jaudīgāku nekā V100.
Informācija par Nvidia Quadro RTX 8000: Amazon
GeForce RTX 2080 Ti
Geforce RTX 2080 Founders Edition
Iespējas:
- Publicēšanas datums: 2018. gada 20. septembris
- Tjūringa GPU arhitektūra un RTX platforma
- Pulksteņa ātrums: 1350 MHz
- CUDA krāsas: 4352
- 11 GB īpaši ātras GDDR6 atmiņas
- Atmiņas joslas platums: 616 GB/s
- Jauda: 260W
Pārskats:
GeForce RTX 2080 Ti ir budžeta risinājums, kas ir ideāli piemērots neliela apjoma modelēšanas slodzēm, nevis liela mēroga apmācību attīstībai. Tas ir tāpēc, ka tai ir mazāka GPU atmiņa vienā kartē (tikai 11 GB). Šī modeļa ierobežojumi kļūst acīmredzamāki, apmācot dažus mūsdienu NLP modeļus. Tomēr tas nenozīmē, ka šī karte nevar konkurēt. RTX 2080 pūtēja dizains nodrošina daudz blīvākas sistēmas konfigurācijas - līdz četriem GPU vienā darbstacijā. Turklāt šis modelis trenē neironu tīklus ar 80 procentiem Tesla V100 ātrumu. Saskaņā ar LambdaLabs dziļo mācību veiktspējas kritērijiem, salīdzinot ar Tesla V100, RTX 2080 ir 73% FP2 ātrums un 55% FP16 ātrums.
Tikmēr šis modelis maksā gandrīz 7 reizes mazāk nekā Tesla V100. No cenas un veiktspējas viedokļa GeForce RTX 2080 Ti ir lielisks GPU dziļai mācībai un AI attīstībai.
Informācija par GeForce RTX 2080 Ti: Amazon
NVIDIA Titan RTX
NVIDIA Titan RTX grafika
Iespējas:
- Publicēšanas datums: 2018. gada 18. decembris
- Darbojas ar NVIDIA Turing ™ arhitektūru, kas paredzēta AI
- 576 tenzora serdeņi AI paātrināšanai
- 130 teraFLOPS (TFLOPS) dziļās mācīšanās apmācībai
- CUDA krāsas: 4608
- VRAM: 24 GB
- Atmiņas joslas platums: 672 GB/s
- Ieteicamais barošanas avots 650 vati
Pārskats:
NVIDIA Titan RTX ir vēl viens vidējas klases GPU, ko izmanto sarežģītām dziļās mācīšanās operācijām. Šī modeļa 24 GB VRAM ir pietiekami, lai strādātu ar lielāko daļu pakešu izmēru. Tomēr, ja vēlaties apmācīt lielākus modeļus, savienojiet pārī šo karti ar NVLink tiltu, lai efektīvi iegūtu 48 GB VRAM. Ar šo summu pietiktu pat lieliem transformatoru NLP modeļiem. Turklāt Titan RTX nodrošina pilnu jauktās precizitātes apmācību modeļiem (t.i., FP 16 kopā ar FP32 uzkrāšanu). Rezultātā šis modelis darbojas aptuveni par 15 līdz 20 procentiem ātrāk darbībās, kurās tiek izmantoti tenzora serdeņi.
Viens NVIDIA Titan RTX ierobežojums ir divu ventilatoru dizains. Tas apgrūtina sarežģītākas sistēmas konfigurācijas, jo to nevar iepakot darbstacijā bez būtiskām dzesēšanas mehānisma izmaiņām, kas nav ieteicams.
Kopumā Titāns ir lielisks universāls GPU gandrīz jebkuram padziļinātas mācīšanās uzdevumam. Salīdzinot ar citām vispārējas nozīmes grafiskajām kartēm, tā noteikti ir dārga. Tāpēc šis modelis nav ieteicams spēlētājiem. Tomēr pētnieki, kas izmanto sarežģītus dziļas mācīšanās modeļus, varētu novērtēt papildu VRAM un veiktspējas palielinājumu. Titan RTX cena ir ievērojami zemāka nekā iepriekš parādītais V100, un tā būtu laba izvēle, ja jūsu budžets neļauj V100 cenām veikt dziļu mācīšanos vai jūsu darba slodzei nav nepieciešams vairāk par Titan RTX ( redzēt interesantus etalonus )
Informācija par NVIDIA Titan RTX: Amazon
Labākās grafikas kartes izvēle AI, mašīnmācībai un dziļai mācībai
MI, mašīnmācīšanās un dziļas mācīšanās uzdevumi apstrādā kaudzes datu. Šie uzdevumi var būt ļoti prasīgi pret jūsu aparatūru. Tālāk ir norādītas funkcijas, kas jāpatur prātā pirms GPU iegādes.
Krāsas
Vienkāršs īkšķis - jo lielāks kodolu skaits, jo augstāka būs jūsu sistēmas veiktspēja. Jāņem vērā arī kodolu skaits, it īpaši, ja jums ir liels datu apjoms. NVIDIA savus kodolus ir nosaukusi par CUDA, savukārt AMD savus kodolus sauc par straumes procesoriem. Izvēlieties pēc iespējas vairāk apstrādes kodolu, ko atļaus jūsu budžets.
Apstrādes jauda
GPU apstrādes jauda ir atkarīga no kodolu skaita sistēmas iekšienē, kas reizināts ar pulksteņa ātrumu, ar kādu jūs darbināt kodolus. Jo lielāks ātrums un lielāks kodolu skaits, jo lielāka būs apstrādes jauda, ar kādu jūsu GPU var aprēķināt datus. Tas arī nosaka, cik ātri jūsu sistēma veiks uzdevumu.
VRAM
Video RAM jeb VRAM ir datu apjoma mērījums, ko sistēma var apstrādāt vienlaikus. Augstāka VRAM ir būtiska, ja strādājat ar dažādiem Computer Vision modeļiem vai veicat CV Kaggle sacensības. VRAM nav tik svarīgs NLP vai darbam ar citiem kategoriskiem datiem.
Atmiņas joslas platums
Atmiņas joslas platums ir ātrums, kādā dati tiek nolasīti vai saglabāti atmiņā. Vienkārši sakot, tas ir VRAM ātrums. Mērot GB/s, lielāks atmiņas joslas platums nozīmē, ka karte īsākā laikā var iegūt vairāk datu, kas nozīmē ātrāku darbību.
Dzesēšana
GPU temperatūra var būt ievērojams sašaurinājums, runājot par veiktspēju. Mūsdienu GPU palielina ātrumu līdz maksimālajam, kamēr darbojas algoritms. Bet, tiklīdz tiek sasniegts noteikts temperatūras slieksnis, GPU samazina apstrādes ātrumu, lai pasargātu no pārkaršanas.
Pūtēja ventilatora konstrukcija gaisa dzesētājiem izspiež gaisu ārpus sistēmas, kamēr ventilatori, kas nav pūtēji, iesūc gaisu. Arhitektūrā, kur vairāki GPU ir novietoti blakus viens otram, ventilatori, kas nav pūtēji, uzsilst vairāk. Ja izmantojat gaisa dzesēšanu iestatījumos ar 3–4 GPU, izvairieties no ventilatoriem, kas nav pūtēji.
Ūdens dzesēšana ir vēl viena iespēja. Lai gan šī metode ir dārga, tā ir daudz klusāka un nodrošina, ka pat vissmagākie GPU iestatījumi darbības laikā paliek vēsi.
Secinājums
Lielākajai daļai lietotāju, kas vēlas padziļināti mācīties, RTX 2080 Ti vai Titan RTX nodrošinās vislielāko peļņu. Vienīgais RTX 2080 Ti trūkums ir ierobežots 11 GB VRAM izmērs. Apmācība ar lielākiem partiju izmēriem ļauj modeļiem apmācīt ātrāk un daudz precīzāk, ietaupot daudz lietotāja laika. Tas ir iespējams tikai tad, ja jums ir Quadro GPU vai TITAN RTX. Izmantojot pusi precizitāti (FP16), modeļi var iekļauties GPU ar nepietiekamu VRAM izmēru [2]. Tomēr pieredzējušākiem lietotājiem Tesla V100 ir vieta, kur jums vajadzētu ieguldīt. Tā ir mūsu labākā izvēle par labāko grafisko karti AI, mašīnmācībai un dziļai mācībai. Tas ir viss šim rakstam. Mēs ceram, ka jums patika. Līdz nākamajai reizei!
Atsauces
- Labākie mākslīgā intelekta, mašīnmācīšanās un dziļas mācīšanās GPU 2020
- Labākais GPU dziļai apmācībai 2020
- NVIDIA AI INFERENCE PLATFORM: Milzu lēcieni veiktspējas un efektivitātes uzlabojumos AI pakalpojumiem, sākot no datu centra un beidzot ar tīkla malu
- NVIDIA V100 TENSOR CORE GPU
- Titan RTX dziļās mācīšanās etaloni