V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member Sign In
This topic created in 2259 days ago, the information mentioned may be changed or developed.
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
Supplement 1 · Feb 26, 2020
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 Feb 26, 2020
|
 |
2
df4VW Feb 26, 2020
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 Feb 26, 2020
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 Feb 26, 2020 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 Feb 26, 2020 via iPhone
不能单纯看硬件吧 你都没说准备怎么拿来用
|
 |
10
terencelau Feb 26, 2020  1
有高精度需求就上 Tesla，不然 RTX 更划算
|
 |
11
ZRS Feb 26, 2020 1
有双精度需求 V100 否则 RTX8000
|
|
12
feast Feb 26, 2020 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 Feb 26, 2020 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 Feb 26, 2020 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 Feb 27, 2020 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 Feb 27, 2020 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