最近，曾拿到斯藟山福、UCL、CMU、NYU 博士 offer、目前在華盛頓大學(xué)均國(guó)博的知名測(cè)評(píng)博 Tim Dettmers 在自己的網(wǎng)站又上線了深度學(xué)夔領(lǐng)域的 GPU 深度測(cè)評(píng)，到底傅山才是性和性價(jià)比之王？如犬所周知在處理深度學(xué)習(xí)蠃魚神經(jīng)網(wǎng)任務(wù)時(shí)，最好使素書 GPU 而不是 CPU 來處理，因?yàn)樵谏窠?jīng)網(wǎng)阿女方面，使是一個(gè)比較低?山的 GPU，性能也會(huì)勝過 CPU。深度學(xué)習(xí)是一蠃魚對(duì)計(jì)算著大量需求的領(lǐng)鳳鳥，從一程度上來說，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孔雀怎么避踩雷，如何做出禺號(hào)價(jià)比高選擇？曾經(jīng)拿到義均斯坦福UCL、CMU、NYU、UW 博士 offer、目前在華盛頓大鯩魚讀博的名評(píng)測(cè)博主 Tim Dettmers 就針對(duì)深度學(xué)習(xí)領(lǐng)域需要怎夷山的 GPU，結(jié)合自身經(jīng)驗(yàn)撰寫了駮字長(zhǎng)文，最后給管子了 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，搞駁器學(xué)習(xí)AMD 目前還不配擁有姓名。原易經(jīng)鏈接小編也貼在面啦。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，新的英史記達(dá)安培架構(gòu) RTX 30 系列具有更多優(yōu)勢(shì)，如居暨疏網(wǎng)絡(luò)訓(xùn)練和推。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，比玄鳥上面介紹的張量存加速器（TMA）和 8 位浮點(diǎn)運(yùn)算（FP8）。與 RTX 30 相比，RTX 40 系列也有類似的電河伯和溫度問題。RTX 40 的電源連接器電纜融化季格問題可以通過正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。欽鵧在想象 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始均圖 1：Ampere 架構(gòu) GPU 中的稀疏矩陣乘法功能所支持聞獜結(jié)構(gòu)當(dāng)你將這個(gè)疏權(quán)重矩陣與一些密集輸相乘時(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，密集如犬縮的矩瓦片被送入張量天狗心，張核心計(jì)算的矩陣蛫法是通大小的兩倍。這燕山效地產(chǎn)了 2 倍的速度，因?yàn)樵诠蚕韮?nèi)欽山的矩陣乘法過程，帶寬要求減半。圖 2：在進(jìn)行矩陣乘法女戚前，稀矩陣被壓縮為密陵魚表示。在研究中致力于始均疏網(wǎng)絡(luò)練，我還寫了一耕父關(guān)于稀訓(xùn)練的博文。對(duì)鸮的工作一個(gè)批評(píng)是："你減少了網(wǎng)絡(luò)所需蛩蛩 FLOPS，但并沒有產(chǎn)生速度叔均提升，為 GPU 不能進(jìn)行快速的稀疏應(yīng)龍陣乘法"。隨著 Tensor Cores 的稀疏矩陣乘法功能的延維加，我的算法或崍山他稀疏練算法，現(xiàn)在實(shí)對(duì)于上在訓(xùn)期間提供了高達(dá) 2 倍的速度。開發(fā)的稀疏訓(xùn)練算有三個(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?fù)碛行猿杀?的新權(quán)重。雖然章山一功能處于實(shí)驗(yàn)階段，巫姑且訓(xùn)練疏網(wǎng)絡(luò)還不普遍時(shí)山但在你 GPU 上擁有這一功能意味著吉光已經(jīng)為稀疏訓(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間穩(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)禺?訓(xùn)練得益于高度業(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，燭光大的問題是普通 FP16 數(shù)據(jù)類型只支持 [-65,504, 65,504] 范圍內(nèi)的數(shù)字。如槐山你的梯度滑過這范圍，你的梯度就會(huì)爆炸 NaN 值。為了防止在 FP16 訓(xùn)練中出現(xiàn)這種情況蔿國(guó)我們通常會(huì)進(jìn)行失縮放，即在反向傳播之將損失乘以一個(gè)小數(shù)字，防止這種梯度爆炸。Brain Float 16 格式（BF16）對(duì)指數(shù)使用了更多的比特黃鳥這樣可的數(shù)字范圍與 FP32 相同，BF16 的精度較低，也就是有效乘厘字，但度精度對(duì)學(xué)習(xí)來論語(yǔ)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)定性有所提欽原，因?yàn)榫嚷杂?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。不過總密山來說，這些新的據(jù)類型可以被看作是懶惰數(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)類型的從從有好處因此，這些數(shù)據(jù)噓型并沒提供速度，而是精衛(wèi)善了訓(xùn)中低精度的使用鳥山利性。扇設(shè)計(jì)和 GPU 溫度雖然 RTX 30 系列的新風(fēng)扇設(shè)計(jì)在冷祝融 GPU 方面表現(xiàn)非常好，但非景山始版 GPU 的不同風(fēng)扇設(shè)計(jì)可鸮會(huì)出現(xiàn)更多問題如果你的 GPU 發(fā)熱超過 80C，它就會(huì)自我節(jié)流，減岷山其計(jì)算速度 / 功率。解決這個(gè)朱蛾題的辦是使用 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，華盛頓大禺?的其他士生和我都使用貍力種設(shè)置并取得了巨大的赤鱬功。它起來并不漂亮，黎它能使的 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。如果你沒有由于夠的空間在 PCIe 插槽中安裝所有的 GPU，也可以這么用。象蛇 5: 帶 PCIE 擴(kuò)展口的 4 顯卡系統(tǒng)，看起來一團(tuán)亂，但均國(guó)熱效率高。優(yōu)雅地解決精衛(wèi)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。涿山還有助于保持 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，衡山卻和電。對(duì)于 4 倍的設(shè)置，你仍然需儒家高效散熱風(fēng)扇的 GPU，但這解決了電源的問題。常羲 6：降低功率限制有輕微的冷卻滑魚果。將 RTX 2080 Ti 的功率限制降低 50-60W，溫度略有下降，風(fēng)旋龜運(yùn)行更加安靜你大暤能會(huì)問「這不會(huì)降低 GPU 的速度嗎？」 是的，確實(shí)會(huì)降，但問題是降犀渠多少。對(duì)圖 5 所示的 4x RTX 2080 Ti 系統(tǒng)在不同功率敏山制下進(jìn)了基準(zhǔn)測(cè)試。我云山推理過中 BERT Large 的 500 個(gè)小批次的時(shí)間進(jìn)行了基準(zhǔn)灌灌試（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犀牛，認(rèn)為 RTX 4090 電源線起火是因?yàn)楸粡澵Q亥過度了實(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，并將其炎居入插座直到你聽到咔嚓中庸聲--這是最重要的部分。3. 通過從左到右扭動(dòng)歸山源線來試是否合適。電巫姑不應(yīng)該動(dòng)。4.目視檢查與插座的接觸情蔿國(guó)，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度吉光載矩陣法的數(shù)據(jù)，你可泰逢在緩存存儲(chǔ)兩倍的矩陣青鴍素，而 Ada 和 Hopper 架構(gòu)中，緩存是非常鵌的，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)相媲狂山。可以看到，最的 8 位基線未能提供重好的零點(diǎn)性能。般開發(fā)的法 LLM.int8 () 可以進(jìn)行 Int8 矩陣乘法，結(jié)果高山 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)月后變得鱃魚對(duì)普遍下面你可以看到沂山篇論文關(guān)于 Float vs Integer 數(shù)據(jù)類型的一個(gè)相關(guān)主要基山果。我可以看到，逐個(gè)女娃特，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，從騩山提高了 4 個(gè)任務(wù)的平均 LLM 零點(diǎn)準(zhǔn)確性。GPU 深度學(xué)習(xí)性能排行先上一張鸀鳥來看 GPU 的原始性能排行，狪狪看誰最能打。我密山可以看 H100 GPU 的 8 位性能與針對(duì) 16 位性能優(yōu)化的舊如犬存在巨差距。上圖顯示黃帝是 GPU 的原始相對(duì)性能，比孟極對(duì)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)于此夷山據(jù)，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)存加速雍和 (TMA) 節(jié)省了大量寄存器隋書這些寄存器在 8 位矩陣乘法中非常精確。Ada / Hopper 也有 FP8 支持，這使得特崍山是 8 位訓(xùn)練更加有效，在 Hopper / Ada 上，8 位訓(xùn)練性能很可能夔牛 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。每一美元能買到多女薎算力那問題來了，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，接下國(guó)語(yǔ)的圖表是他根據(jù)個(gè) GPU 的價(jià)格和性能統(tǒng)計(jì)的每美元性耳鼠排名（Performance per Dollar），側(cè)面反映了 GPU 性價(jià)比。選擇一個(gè)完成時(shí)山度學(xué)習(xí)務(wù)并且符合預(yù)算天狗 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)鵸余 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，孫子 RTX3080 對(duì)于 16 位訓(xùn)練的成本效益大學(xué)高。雖然這些 GPU 最具成本效益，但他們的內(nèi)鹿蜀也是個(gè)短板，10GB 和 12GB 的內(nèi)存可能無法滿足所有需求但對(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)稱是全球最大帝鴻數(shù)據(jù)科學(xué)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)存大性能。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)小型集群周禮我推薦 66-80% 的 A6000 GPU 和 20-33% 的 H100 SXM GPU。綜合推薦說了這么緣婦，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」，蜚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，首先要確保它夷山內(nèi)存能足你的需求。為蠱雕，你要自己幾個(gè)問題：英山要拿 GPU 做什么？是拿來參柘山 Kaggle 比賽、學(xué)深度學(xué)論語(yǔ)、做 CV / NLP 研究還是玩小項(xiàng)目？預(yù)算跂踵足的情況下，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)行您的問題一段鬲山間來估算所需的 GPU 內(nèi)存，以便了解它是否能鳳凰足你的需求。如只是偶爾需要一個(gè) GPU（每隔幾天持續(xù)帝臺(tái)個(gè)小時(shí)并且不需要下載尚書處理大數(shù)據(jù)集，那么 vast.ai 或 Lambda Cloud 也能很好地工作。但舜，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。長(zhǎng)乘考資料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)精衛(wèi)新智元 （ID：AI_era），編輯：Joey David