小白gpu概述

最新推荐文章于 2024-10-09 11:31:23 发布

阿唐明

最新推荐文章于 2024-10-09 11:31:23 发布

阅读量2k

点赞数

分类专栏： dl 文章标签：深度学习 gpu

本文链接：https://blog.csdn.net/persistinlife/article/details/106432228

版权

本文介绍了NVIDIA GPU的架构历史，从Tesla到Turing，强调了它们在深度学习中的作用。GPU架构的进步带来了更高的计算效率，如Pascal和Volta提供了显著提升的浮点运算能力。此外，还提到了芯片型号、显卡系列和流处理器的数量对性能的影响，以及在深度学习GPU云主机选择中考虑的因素，如CUDA Cores、显存容量和浮点性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

GPU

之前看到一个用画师的比喻感觉蛮好的。

GPU架构一般来说越新性能越好，架构越好水平越好，类比画师的水平。
流处理器渲染管，流处理器数量越多，显卡画图的能力越强，速度也越快。一般是同型号比较流处理器个数。类比画师的个数。
核心频率频率越高，效率越高，功耗也越大，画师工厂的运画到仓库的搬运人员其运输的速率。
容量提供临时的存储功能，当然要配合带宽等，不然大了也浪费。类比画师工厂仓库。
显存带宽显存位宽×显存频率，显存位宽类比成公路，公路越宽，一次能通过的车辆越多；显存频率类别汽车速度，频率越快，数据传输就越快。

1.首先来看看NVIDIA GPU架构。架构指的是硬件的设计方式，例如core数量、L1 or L2缓存、计算单元双精度还是单精度等等。

在这里插入图片描述

2008 - Tesla

Tesla最初是给计算处理单元使用的，应用于早期的CUDA系列显卡芯片中，并不是真正意义上的普通图形处理芯片。

2010 - Fermi

Fermi是第一个完整的GPU计算架构。首款可支持与共享存储结合纯cache层次的GPU架构，支持ECC的GPU架构。
2012 - Kepler

Kepler相较于Fermi更快，效率更高，性能更好。
2014 - Maxwell

其全新的立体像素全局光照 (VXGI) 技术首次让游戏 GPU 能够提供实时的动态全局光照效果。基于 Maxwell 架构的 GTX 980 和 970 GPU 采用了包括多帧采样抗锯齿 (MFAA)、动态超级分辨率 (DSR)、VR Direct 以及超节能设计在内的一系列新技术。
2016 - Pascal

Pascal 架构将处理器和数据集成在同一个程序包内，以实现更高的计算效率。1080系列、1060系列基于Pascal架构
2017 - Volta

Volta 配备640 个Tensor 核心，每秒可提供超过100 兆次浮点运算(TFLOPS) 的深度学习效能，比前一代的Pascal 架构快5 倍以上。
2018 - Turing

Turing 架构配备了名为 RT Core 的专用光线追踪处理器，能够以高达每秒 10 Giga Rays 的速度对光线和声音在 3D 环境中的传播进行加速计算。Turing 架构将实时光线追踪运算加速至上一代 NVIDIA Pascal™ 架构的 25 倍，并能以高出 CPU 30 多倍的速度进行电影效果的最终帧渲染。2060系列、2080系列显卡也是跳过了Volta直接选择了Turing架构。