深度学习的GPU型号和参数选择

关于深度学习的Nvidia的GPU加速网络训练参数性能测试
英伟达RTX 30系列已出，有预算的，建议直接30系列了

深度学习的GPU型号和参数选择

深度学习注重的参数有两个，分别是显存带宽和单精度浮点计算能力（这里不考虑双精度浮点计算能力）
显存带宽计算涉及到的显卡参数：显存位宽（位）、显存频率（Mhz）
单精度浮点据算能力涉及到的显卡参数：显卡主频（Mhz）、cuda核心

下面介绍常见的几种显卡参数：

显卡型号	显存	单精度计算能力	显存带宽
		主频xCuda核心数x2/1000 (TFlops)	显存位宽x显存频率/8/1000(Gb/s)
1060	6G	1.582x1280x2=4.05	192.2
1660ti	6G	1.580x1536x2=4.85	288
1070	8G	1.566x1920x2=5.78	256.32
1070ti	8G	1.607x2432x2=7.85	256
1080	8G	1.607x2560x2=8.23	320
1080ti	11G	1.480x3584x2=10.61	484.4
2060	8G	1.365x1920x2=5.24	336
2070	8G	1.410x2304x2=6.51	448
2070 Super	8G	1.410x2560x2=7.22	448
2080	8G	1.515x2944x2=8.92	448
2080 Super	8G	1.650x3072x2=11.65	448
2080ti	11G	1.350x4352x2=11.75	616
3070	8G	1.730x5888x2=20.40	448
3080	10G	1.71x8704x2=29.80	760
3090	24G	1.70x10496x2=35.70	936
Titan X (Maxwell架构)	12G	1.000x3072x2=6.14	336.6
Titan X (Pacsal架构)	12G	1.418x3584x2=10.16	336.58
Titan XP	>12G	1.582x3840x2=12.15	547.7
Titan V	>12G	1.200x5120x2=15.36	652.8

根据整理的以上数据

• 推荐入门级别的选择2060的8GB，计算力和显存带宽都是最低价格也是最低
• 其次性能较好的就是2070Super，拥有8GB显存，带宽较大，cuda核心数也增多
• 如果是做图像方面的深度学习，那么标配起步就是1080ti，11GB显存，可以训练更深的网络，cuda核心较多计算力较强，带宽不用多说也是很大(本人18年购买的1080ti显卡，目前已经停产)
• 此外Titan X（Maxwell）架构的显卡不推荐购买，购买的时候要注意，这款显卡比较老是28nm工艺了，计算力和带宽表现都很差。

根据实际测试1080ti、2070、3070

运行相同的代码所用时间对比，并不能完全依照上述单精度计算能力来对比速度

显卡型号	单精度计算力	测试结果
1080ti	10.61	165s
2070	6.51	194s
3070	20.40	154s