Titan XP值不值？一文教你如何挑选深度学习GPU

最新推荐文章于 2024-07-06 19:34:24 发布

机器之心V

最新推荐文章于 2024-07-06 19:34:24 发布

阅读量1.7w

点赞数 4

文章标签：人工智能 python

本文链接：https://blog.csdn.net/uwr44uouqcnsuqb60zk2/article/details/78629568

版权

本文介绍了深度学习为何需要GPU，重点讨论了GPU的性能指标，如内存带宽和处理能力，并给出了不同价位的最佳GPU选择，包括GTX 1080 Ti、1080、1070 Ti和1060等。此外，还提醒读者注意多GPU配置的PCIe通道和SLI/Crossfire等事项。

摘要由CSDN通过智能技术生成

本文作者 slav Ivanov 在今年早些时候曾介绍过如何用 1700 美元预算搭建深度学习机器（参见：教程 | 从硬件配置、软件安装到基准测试，1700 美元深度学习机器构建指南）。最近，英伟达在消费级 GPU 领域又推出了 GTX 1070 Ti，如果现在想要组装一台深度学习机器，我们用哪块 GPU 最好呢？本文将详细解答这一问题。

即将进入 2018 年，随着硬件的更新换代，越来越多的机器学习从业者又开始面临选择 GPU 的难题。正如我们所知，机器学习的成功与否很大程度上取决于硬件的承载能力。在今年 5 月，我在组装自己的深度学习机器时对市面上的所有 GPU 进行了评测。而在本文中，我们将更加深入地探讨：

为什么深度学习需要使用 GPU
GPU 的哪种性能指标最为重要
选购 GPU 时有哪些坑需要避免
性价比
每个价位的最佳选择

GPU + 深度学习

深度学习（DL）是机器学习（ML）的一个分支。深度学习使用神经网络来解决问题。神经网络的优点之一是自行寻找数据（特征）模式。这和以前告诉算法需要找什么不一样。但是，通常这意味着该模型从空白状态开始（除非使用迁移学习）。为了从头捕捉数据的本质／模式，神经网络需要处理大量信息。通常有两种处理方式：使用 CPU 或 GPU。

计算机的主要计算模块是中央处理器（CPU），CPU 的设计目的是在少量数据上执行快速计算。在 CPU 上添加数倍的数字非常快，但是在大量数据上进行计算就会很慢。如，几十、几百或几千次矩阵乘法。在表象背后，深度学习多由矩阵乘法之类的操作组成。

有趣的是，3D 电子游戏同样依赖这些操作来渲染那些美丽的风景。因此，GPU 的作用被开发出来，它们可以使用数千个核心处理大量并行计算。此外，它们还有大量内存带宽处理数据。这使得 GPU 成为进行 DL 的完美硬件。至少，在用于机器学习的 ASIC 如谷歌的 TPU 投入市场之前，我们还没有其他更好的选择。

总之，尽管使用 CPU 进行深度学习从技术上是可行的，想获得真实的结