本文介绍了GPU的发展历程，从Tesla到Turing架构的演进，强调了架构对性能的影响。同时，讨论了GPU的芯片型号、显卡系列、流处理器数量对性能的重要性，以及在深度学习中的应用，特别是GPU云主机在计算效率上的优势。还提到了显卡的其他关键特性，如风扇转速、显存使用率和GPU利用率。
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。
- 2008 - Tesla
最低0.47元/天 解锁文章
2194
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
