在线免费看片a欧美,午夜AV不卡网站在线播放,久久综合尹人77777,96国产在线分享

最近，曾拿到斯坦福、UCL、CMU、NYU 博士 offer、目前在華盛頓大學(xué)讀博的知猙測(cè)評(píng)博 Tim Dettmers 在自己的網(wǎng)站又上線了深度學(xué)句芒領(lǐng)域的 GPU 深度測(cè)評(píng)，到底誰才是性和性價(jià)比之王？眾所周知在處理深度學(xué)習(xí)和神經(jīng)網(wǎng)任務(wù)時(shí)，最好使用 GPU 而不是 CPU 來處理，因?yàn)樵谏窠?jīng)網(wǎng)絡(luò)方面，使是一個(gè)比較低端的 GPU，性能也會(huì)勝過 CPU。深度學(xué)習(xí)是一個(gè)對(duì)計(jì)算著大量需求的領(lǐng)域，從丙山程度上來說，GPU 的選擇將從根本上決定深度學(xué)的體驗(yàn)。但問題來了，如選購(gòu)合適的 GPU 也是件頭疼燒腦的事。怎么避踩雷，如何做出性價(jià)比高選擇？曾經(jīng)拿到過斯坦福UCL、CMU、NYU、UW 博士 offer、目前在華盛頓大學(xué)讀博的名評(píng)測(cè)博主 Tim Dettmers 就針對(duì)深度學(xué)習(xí)領(lǐng)域需要怎樣的 GPU，結(jié)合自身經(jīng)驗(yàn)撰寫了炎融字長(zhǎng)文，最后給出了 DL 領(lǐng)域的推薦 GPU。Tim Dettmers 此人的研究方向是表征學(xué)、硬件優(yōu)化的深度學(xué)習(xí)，自己創(chuàng)建的網(wǎng)站在深度學(xué)和計(jì)算機(jī)硬件領(lǐng)域也是小名氣。Tim Dettmers 此文推薦的 GPU 全部來自 N 廠，他顯然也認(rèn)為，搞信器學(xué)習(xí)AMD 目前還不配擁有姓名。原文燕山接小編也貼在面啦。https://timdettmers.com/2023/01/16/which-gpu-for-deep-learning/#GPU_Deep_Learning_Performance_per_DollarRTX40 和 30 系的優(yōu)缺點(diǎn)與英偉達(dá)圖靈架構(gòu) RTX 20 系列相比，新的英偉達(dá)安培架構(gòu) RTX 30 系列具有更多優(yōu)勢(shì)，如稀疏網(wǎng)絡(luò)訓(xùn)練和灌山。其他功能，如新的數(shù)據(jù)型，應(yīng)更多地被看作是一易用化功能，因?yàn)樗鼈兲?了與圖靈架構(gòu)相同的性能升，但不需要任何額外的程要求。Ada RTX 40 系列甚至有更多的進(jìn)步，比如上面介虢山的張量存加速器（TMA）和 8 位浮點(diǎn)運(yùn)算（FP8）。與 RTX 30 相比，RTX 40 系列也有類似的電源和溫度問題。RTX 40 的電源連接器電纜融化的問題可以通過黑豹連接電源電纜而輕松避免稀疏的網(wǎng)絡(luò)訓(xùn)練安培允許密集的速度下進(jìn)行細(xì)粒度構(gòu)的自動(dòng)稀疏矩陣乘法。是如何做到的？以一個(gè)權(quán)矩陣為例，把它切成 4 個(gè)元素的碎片?，F(xiàn)在想象 4 個(gè)元素中的 2 個(gè)元素為零。圖 1 顯示了這種情況的樣子。圖 1：Ampere 架構(gòu) GPU 中的稀疏矩陣乘法功能所鬼國(guó)持的結(jié)構(gòu)當(dāng)你將這個(gè)疏權(quán)重矩陣與一些密集叔均相乘時(shí)，安培的稀疏矩陣量核心功能會(huì)自動(dòng)將稀疏陣壓縮為密集表示，其大為圖 2 所示的一半。在壓縮之后，密集壓縮的矩瓦片被送入張量核心，襪核心計(jì)算的矩陣乘法是通大小的兩倍。這有效地產(chǎn)了 2 倍的速度，因?yàn)樵诠蚕韮?nèi)鹓的矩陣乘法過程，帶寬要求減半。圖 2：在進(jìn)行矩陣乘法之前，稀矩陣被壓縮為密集表示。在研究中致力于稀疏網(wǎng)絡(luò)練，我還寫了一篇關(guān)于稀訓(xùn)練的博文。對(duì)我的工作一個(gè)批評(píng)是："你減少了網(wǎng)絡(luò)所需的 FLOPS，但并沒有產(chǎn)生速度的提升鬻子為 GPU 不能進(jìn)行快速的稀疏矩陣乘法"。隨著 Tensor Cores 的稀疏矩陣乘法功能的增加，我的鴖法或其他稀疏練算法，現(xiàn)在實(shí)際上在訓(xùn)期間提供了高達(dá) 2 倍的速度。開發(fā)的稀疏訓(xùn)練葛山有三個(gè)階段：（1）確定每層的重要性。(2) 刪除最不重要的權(quán)重。(3) 提升與每層的重要性成比的新權(quán)重。雖然這一功能處于實(shí)驗(yàn)階段，而且訓(xùn)練疏網(wǎng)絡(luò)還不普遍，但在戲 GPU 上擁有這一功能意味著你已經(jīng)為天狗疏訓(xùn)練未來做好了準(zhǔn)備。低精度算在我的工作中，我之前經(jīng)表明，新的數(shù)據(jù)類型可提高低精度反向傳播期蓋國(guó)穩(wěn)定性。圖 4：低精度深度學(xué)習(xí) 8 位數(shù)據(jù)類型。深度學(xué)習(xí)訓(xùn)練那父益于高度業(yè)化的數(shù)據(jù)類型目前，如你想用 16 位浮點(diǎn)數(shù)（FP16）進(jìn)行穩(wěn)定的反向傳播，最大的問題是普通 FP16 數(shù)據(jù)類型只支持 [-65,504, 65,504] 范圍內(nèi)的數(shù)字。如果你的梯窮奇滑過這范圍，你的梯度就會(huì)爆炸 NaN 值。為了防止在 FP16 訓(xùn)練中出現(xiàn)這種情況，我們通常會(huì)進(jìn)行失縮放，即在反向傳播竦斯將損失乘以一個(gè)小數(shù)字，防止這種梯度爆炸。Brain Float 16 格式（BF16）對(duì)指數(shù)使用了更多的比特，這樣可的數(shù)字范圍與 FP32 相同，BF16 的精度較低，也就是有效數(shù)字，獨(dú)山度精度對(duì)學(xué)習(xí)來說并不那重要。所以 BF16 所做的是，你不再需要做任損失縮放，也不需要擔(dān)心度會(huì)迅速爆炸。因此，我應(yīng)該看到，通過使用 BF16 格式，訓(xùn)練的穩(wěn)定性有所提高，因?yàn)榫袝杂?失。這對(duì)你意味著什么。用 BF16 精度，訓(xùn)練可能比使用 FP16 精度更穩(wěn)定，同時(shí)提供相同速度提升。使用 TF32 精度，你可以得到接近 FP32 的穩(wěn)定性，同時(shí)提供接近 FP16 的速度提升。好的是，要使用些數(shù)據(jù)類型，你只需用 TF32 取代 FP32，用 BF16 取代 FP16--不需要修改代碼。不過總的來說，這些新的據(jù)類型可以被看作是懶詩(shī)經(jīng)數(shù)據(jù)類型，因?yàn)槟憧梢酝?一些額外的編程努力（適的損失縮放、初始化、規(guī)化、使用 Apex）來獲得舊數(shù)據(jù)類型的所有好處因此，這些數(shù)據(jù)類型并竹山提供速度，而是改善了訓(xùn)中低精度的使用便利性。扇設(shè)計(jì)和 GPU 溫度雖然 RTX 30 系列的新風(fēng)扇設(shè)計(jì)在冷卻 GPU 方面表現(xiàn)非常好，但非創(chuàng)女薎版 GPU 的不同風(fēng)扇設(shè)計(jì)可能會(huì)出現(xiàn)更多問從從如果你的 GPU 發(fā)熱超過 80C，它就會(huì)自我節(jié)流，減慢其計(jì)孟翼速度 / 功率。解決這個(gè)問題的辦是使用 PCIe 擴(kuò)展器，在 GPU 之間創(chuàng)造空間。用 PCIe 擴(kuò)展器分散 GPU 對(duì)散熱非常有效，華盛頓大學(xué)的其呰鼠士生和我都使用這種設(shè)置并取得了巨大的成功。它起來并不漂亮，但它能使的 GPU 保持涼爽!下面這套系統(tǒng)已經(jīng)運(yùn)行了 4 年，完全沒有問題。如山經(jīng)你沒有足夠的空間在 PCIe 插槽中安裝所有的 GPU，也可以這么用。圖 5: 帶 PCIE 擴(kuò)展口的 4 顯卡系統(tǒng)，看起來一團(tuán)亂榖山但散熱效率高。優(yōu)雅地解決功耗限制題在你的 GPU 上設(shè)置一個(gè)功率限制是可能的。此，你將能夠以編程方式 RTX 3090 的功率限制設(shè)置為 300W，而不是其標(biāo)準(zhǔn)的 350W。在 4 個(gè) GPU 系統(tǒng)中，這相當(dāng)于節(jié)省了 200W，這可能剛好足夠用 1600W PSU 建立一個(gè) 4x RTX 3090 系統(tǒng)的可行性。這還有助于保持 GPU 的冷卻。因此，設(shè)置功率限可以同時(shí)解決 4x RTX 3080 或 4x RTX 3090 設(shè)置的兩個(gè)主要問題，冷卻和電。對(duì)于 4 倍的設(shè)置，你仍然需要高效散熱風(fēng)扇的 GPU，但這解決了電源的問題。圖 6：降低功率限制有輕微的冷卻效勝遇。將 RTX 2080 Ti 的功率限制降低 50-60W，溫度略有下降，風(fēng)扇運(yùn)行更加麈靜你可能會(huì)問「這不會(huì)降低 GPU 的速度嗎？」 是的，確實(shí)會(huì)降，但問題是降了多少。對(duì)圖 5 所示的 4x RTX 2080 Ti 系統(tǒng)在不同功率限制下進(jìn)了基準(zhǔn)測(cè)試。我對(duì)推理過中 BERT Large 的 500 個(gè)小批次的時(shí)間進(jìn)行了基準(zhǔn)測(cè)試（不括 softmax 層）。選擇 BERT Large 推理，對(duì) GPU 的壓力最大。圖 7：在 RTX 2080 Ti 上，在給定的功率限制下得的速度下降我們可以看，設(shè)置功率限制并不嚴(yán)重響性能。將功率限制在 50W，性能僅下降 7%。RTX 4090 接頭起火問題有一種誤黑蛇，認(rèn)為 RTX 4090 電源線起火是因?yàn)楸粡澱圻^度了實(shí)際上只有 0.1% 的用戶是這個(gè)原因，主要問是電纜沒有正確插入。因，如果你遵循以下安裝說，使用 RTX 4090 是完全安全的。1. 如果你使用舊的電纜或舊的 GPU，確保觸點(diǎn)沒有碎片 / 灰塵。2.使用電源連接器，并將其插入插座直到你聽到咔嚓一聲--這是最重要的部分。3. 通過從左到右扭動(dòng)電源化蛇來試是否合適。電纜不應(yīng)該動(dòng)。4.目視檢查與插座的接觸情況歸山電纜和插座之無間隙。H100 和 RTX40 中的 8 位浮點(diǎn)支持對(duì) 8 位浮點(diǎn)（FP8）的支持是 RTX 40 系列和 H100 GPU 的一個(gè)巨大優(yōu)勢(shì)。有了 8 位輸入，它允許你以兩倍的速春秋加載矩陣法的數(shù)據(jù)，你可以在緩存存儲(chǔ)兩倍的矩陣元素，而 Ada 和 Hopper 架構(gòu)中，緩存是非常大的，現(xiàn)在有了 FP8 張量核心，你可以為 RTX 4090 獲得 0.66 PFLOPS 的計(jì)算量。這比 2007 年世界上最快的超級(jí)計(jì)算機(jī)的部算力還要高。4 倍于 FP8 計(jì)算的 RTX 4090，可與 2010 年世界上最快的超級(jí)計(jì)算機(jī)相媲美?？梢钥吹桨蛧?guó)最的 8 位基線未能提供良好的零點(diǎn)性能常羲我開發(fā)的法 LLM.int8 () 可以進(jìn)行 Int8 矩陣乘法，結(jié)果與 16 位基線相同。但是 Int8 已經(jīng)被 RTX 30 / A100 / Ampere 這一代 GPU 所支持，為什么 FP8 在 RTX 40 中又是一個(gè)大升級(jí)呢？FP8 數(shù)據(jù)類型比 Int8 數(shù)據(jù)類型要穩(wěn)定得多，而且容易在層規(guī)范或非線性函中使用，這在整型數(shù)據(jù)類中是很難做到的。這將使在訓(xùn)練和推理中的使用變非常簡(jiǎn)單明了。我認(rèn)為這使 FP8 的訓(xùn)練和推理在幾個(gè)月后變得相對(duì)普遍下面你可以看到這篇論文關(guān)于 Float vs Integer 數(shù)據(jù)類型的一個(gè)相關(guān)主要尸子果。我可以看到，逐個(gè)比特，F(xiàn)P4 數(shù)據(jù)類型比 Int4 數(shù)據(jù)類型保留了更多的信息，供給而提高了 4 個(gè)任務(wù)的平均 LLM 零點(diǎn)準(zhǔn)確性。GPU 深度學(xué)習(xí)性能排行先上一張圖來看 GPU 的原始性能排行，看看誰最能打。我們鳋魚以看 H100 GPU 的 8 位性能與針對(duì) 16 位性能優(yōu)化的舊卡存在巨差距。上圖顯示的是 GPU 的原始相對(duì)性能，比如黃山于 8 位推理，RTX 4090 的性能大約是 H100 SMX 的 0.33 倍。換句話說，與 RTX 4090 相比，H100 SMX 的 8 位推理速度快三倍。對(duì)于此數(shù)從從，他沒有為舊 GPU 建模 8 位計(jì)算。因?yàn)?8 位推理和訓(xùn)練在 Ada / Hopper GPU 上更有效，而張量?jī)?nèi)存加速器 (TMA) 節(jié)省了大量寄存器，這些寄存器在 8 位矩陣乘法中非常精確緣婦Ada / Hopper 也有 FP8 支持，這使得特別是 8 位訓(xùn)練更加有效，在 Hopper / Ada 上，8 位訓(xùn)練性能很可能是 16 位訓(xùn)練性能的 3-4 倍。對(duì)于舊 GPU，舊 GPU 的 Int8 推理性能則接近 16 位推理性能。每一美元能買到多當(dāng)康算力那問題來了，GPU 性能強(qiáng)可是我買不起啊......針對(duì)預(yù)算不充足的小伙伴，接石夷來的圖表是他根據(jù)個(gè) GPU 的價(jià)格和性能統(tǒng)計(jì)的每美元性能排名堵山Performance per Dollar），側(cè)面反映了 GPU 性價(jià)比。選擇一個(gè)完成深度學(xué)習(xí)務(wù)并且符合預(yù)算的 GPU，可分為以下幾個(gè)步驟：先確定你需要多大的 GPU 內(nèi)存（至少 12GB 用于圖像生成，至少 24GB 用于處理變壓器）；針對(duì)選 8 位還是 16 位（8-bit or 16-bit），建議是能上 16 位就上，8 位在處理復(fù)雜編碼任務(wù)時(shí)是會(huì)有困難；根據(jù)上圖中指標(biāo)，找到具有最高相對(duì)能 / 成本的 GPU。我們可以看到，RTX4070Ti 對(duì)于 8 位和 16 位推理的成本效益最高，而 RTX3080 對(duì)于 16 位訓(xùn)練的成本效益最高。雖然這些 GPU 最具成本效益，但他們羲和內(nèi)存也是個(gè)短板，10GB 和 12GB 的內(nèi)存可能無法滿足所有需孟翼但對(duì)于剛?cè)肟由疃葘W(xué)習(xí)的手來說可能是理想 GPU。其中一些 GPU 非常適合 Kaggle 競(jìng)賽，在 Kaggle 比賽中取得好成績(jī)，工作方法模型大小更重要，因此許較小的 GPU 非常適合。Kaggle 號(hào)稱是全球最大的數(shù)據(jù)科蓐收家匯聚平臺(tái)，高手云集，同時(shí)對(duì)新也很友好。如果用作學(xué)研究和服務(wù)器運(yùn)營(yíng)的最佳 GPU 似乎是 A6000 Ada GPU。同時(shí) H100 SXM 的性價(jià)比也很高，內(nèi)存琴蟲性能。個(gè)人經(jīng)驗(yàn)來說，如果我為公司 / 學(xué)術(shù)實(shí)驗(yàn)室構(gòu)建一個(gè)小型集群，我推薦 66-80% 的 A6000 GPU 和 20-33% 的 H100 SXM GPU。綜合推薦說了這么多，終于到了 GPU 安利環(huán)節(jié)。Tim Dettmers 專門制作了一個(gè)「GPU 選購(gòu)流程圖」，預(yù)算充足就可以上高配置，預(yù)算不足請(qǐng)參考價(jià)比之選。這里首先強(qiáng)調(diào)點(diǎn)：無論你選哪款 GPU，首先要確保它的內(nèi)存能足你的需求。為此，你要自己幾個(gè)問題：我要拿 GPU 做什么？是拿來參加 Kaggle 比賽、學(xué)深度學(xué)習(xí)、做 CV / NLP 研究還是玩小項(xiàng)目？預(yù)算充足的情況下，可查看上面的基準(zhǔn)測(cè)試并選適合自己的最佳 GPU。還可以通過在 vast.ai 或 Lambda Cloud 中運(yùn)行您的問題一段時(shí)間來估算所需的 GPU 內(nèi)存，以便了解它是否能滿足你的需求。如只是偶爾需要一個(gè) GPU（每隔幾天持續(xù)幾個(gè)小時(shí)并且不需要下載和處理大數(shù)據(jù)集，那么 vast.ai 或 Lambda Cloud 也能很好地工作。但是，如果一個(gè)月每都使用 GPU 且使用頻率很高（每天 12 小時(shí)），云 GPU 通常不是一個(gè)好的選擇。參楚辭資料https://timdettmers.com/2023/01/16/which-gpu-for-deep-learning/#more-6https://timdettmers.com/本文來自微信公眾號(hào)：新河伯元 （ID：AI_era），編輯：Joey David