显卡性能衡量指标

彭祥.

已于 2023-06-11 13:28:43 修改

阅读量7.2k

点赞数 2

分类专栏：经验积累文章标签：服务器人工智能

于 2023-01-23 11:29:20 首次发布

本文链接：https://blog.csdn.net/pengxiang1998/article/details/128749725

版权

经验积累专栏收录该内容

147 篇文章

订阅专栏

文章讨论了NvidiaT4GPU在深度学习中的性能，强调了架构、Tensor核心、CUDA数量、浮点性能和显存带宽等关键参数对模型训练的影响。提到了显存占用与batch_size、模型参数和特征图的关系，以及优化器的选择如何影响显存需求。文章还分享了个人经验，指出CPU也是重要考虑因素，并提供了关于电脑配置选择的建议。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近购买了一台腾讯云 Nvidia Tesla T4 服务器，速度提升巨大，因此想自己入手一台电脑，下面从深度学习角度来考虑相关参数对炼丹的影响。

模型训练中各参数的影响

下面以Nvidia T4为例

首先是架构，Turing 架构

Tensor 核心数，320个Tensor Core 。张量核支持混合精度计算，动态调整计算以加快吞吐量，同时保持精度。

CUDA数量，2560 CUDA运算速度之和核心频率有关，而CUDA核心数量则决定了显卡的计算能力的强弱，如一项渲染任务，可以拆分为更多份交给不同的CUDA核心处理。

单精度浮点性能（FP32) 8.1FLOPS，代表显卡的浮点运算能力，越高能力越强。

半精度浮点数（FP16) 65TFLOPS

浮点性能：7.76TFLOPS,衡量GPU处理器基本马力的方法。

显存带宽：320GB/s，指显示芯片与显存之间的数据传输速率，它以字节/秒为单位。显存带宽是决定显卡性能和速度最重要的因素之一。
显存类型：GDDR6

显存大小（VRAM） 16GB,很重要，这将直接关系到型是否可用。决定batch_size的上限。

内存总线宽度（显存位宽）256bit ，更宽的总线宽度代表在每个电脑运行周期能处理更多的数据。（代表GPU芯片每个时钟周期内能从GPU显卡中读取的数据大小，值越大，代表GPU芯片与显存之间的数据交换的速度越快。）

功率 75W

模型显存占用计算

当在GPU上跑一个模型时，显存的占用主要有两部分：

模型的输出（特征图、特征图的梯度）、模型的参数（权重矩阵、偏置值、梯度）

模型参数的显存占用：（例如：卷积核的参数、BN层、全连接层的参数等（池化层没有参数））

如果是在训练阶段，需要反向传播更新参数值，所以每个参数都需要存储梯度。所以模型参数的显存占用，与采用的优化器有关。

  1）如果使用SGD，需要2倍模型参数的显存占用，模型参数+模型参数的梯度；

  2）如果使用SGD+Momentum，需要3倍的模型参数显存占用，模型参数+梯度+动量；

  3）如果使用Adam，需要4倍的显存占用，模型参数+梯度+动量+二阶动量。

训练阶段，会保存模型每一层输出的特征图。（因为反向传播中需要对中间层的特征图求导，所以中间层的输出特征图不会被释放）
训练阶段，会保存对于每一层输出特征图的导数。（因为反向传播中链式求导，公式中有），但是由于特征图不像模型参数一样需要优化更新，所以在训练阶段特征图需要2倍显存（特征图+特征图梯度）。

显存的占用主要是模型本身的参数占用，还与每一层输出的特征图大小有关（这一部分与batch_size呈线性正相关）

模型参数的显存占用

模型参数的显存占用与batchsize无关，但是在训练阶段与优化器有关
所以在预测阶段要使用

with torch.no_grad():
    inputs = None
    output = model(inputs)

从而减少显存的使用。

每层特征图的显存占用

每层output特征图的显存占用为：B x C_out x H x W，与batch size的大小成正比
训练阶段，需要保存特征图的梯度，所以需要2倍的显存占用

节省显存的几种方法

占用显存较多的部分是卷积层输出的特征图，模型参数的显存占用较少，其中全连接层占据了模型参数的大部分
所以降低模型显存一般有如下几种方法：

去掉全连接层，改为全局平均池化

降低batch size

池化，减小特征图size

pytorch中的inplace操作，torch.no_grad()

从上面的分析可知，显存占用并不是严格的与batch size成正比，还与模型自身的参数和延伸出来的数据相关（每层特征图size、优化器等）

并不是batch size越大速度越快。在充分利用计算资源的时候，加大batch size在速度上的提升很有限。—也就是显存足够，但是GPU的计算能力达到上限。

比如batch size=8时，模型的FLOPs等于GPU的峰值FLOPS，并且假设GPU能够维持其峰值FLOPS，那么刚好1秒跑一个batch size；若此时令batch size=16，那么需要2秒跑一个batch size，并不能提升训练速度。

FLOPS：全大写，是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。

FLOPs：注意s小写，是floating point operations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。

模型的FLOPs越大，那么执行一遍前向传播或者反向传播的时间也就越长，从而导致漫长的训练时间。

个人心得

在博主看来，深度学习虽然主要依靠显卡，但CPU也不容忽视，先前在google的colab中使用的也是nvidia T4，但其表现与腾讯云的nvidia T4简直是天壤之别，这是由于colab中的cpu瓶颈造成的。
此外，在模型训练中，首先应该在显存满足的前提下在考虑速度，以博主的yolo模型为例，博主的960显存为4g，能够将模型加载进来，但batch-size只能为4,而且随着模型模型的不断训练，在迭代到10次时便发生了内存不足的情况，，且由于是本地运行，cpu占用也极高，基本在运行程序时很难再去做其他的事，而选择使用服务器后，使用pycharm连接gpu资源不再占用本地资源，服务器的16G显存可以将batch-size支持到32(建议16，防止溢出，且此时也达到了速度瓶颈)，而内存高达32G，其速度也获得了明显提升。
先前博主有自己搭建一个服务器的打算，从先前的训练过程可知，博主的模型在batch-size=16时，其在后期的显存占用便达到了12G，若调小batch-size=8，则可以将其稳定在8G左右，目前市面上笔记本主流为3060，显存为6G，虽然速度上有明显提升，但显存很明显不够用，而桌面级3060的有12G和8G版本，相较而言，12G明显更符合我的要求，但由于矿潮褪去也是不敢入手，若是选择8G倒不如直接入手3060Ti或者3070，很少纠结，归根结底还是没钱，呜呜呜
租用服务器算是解决了自己的燃眉之急，目前用起来感觉不错，美中不足的便是平时最开始时项目上传费了些时间，pycharm的速度有些慢，在这里也推荐一款文件上传下载软件Xftp，用起来感觉还不错。
最后补充一句：博主还是想自己搭配一台电脑，有没有合适的推荐，欢迎留言。