同價位的專業卡與遊戲卡誰更適合跑深度學習相關程序?

我發現,同價位的專業卡與遊戲卡相比,專業卡頻率往往更低一些,運算能力稍弱,可是專業卡又針對某些專業應用進行了優化,所以我想知道誰更適合深度學習相關的應用?還有,雙gtx1070和單gtx1080誰更適合深度學習呢?


同價位的話,當然是遊戲卡好。專業卡有ECC,有更嚴格的質量監控,肯定會貴。你有個同價位的要求,那結果就毫無疑問了。

遊戲卡還有一個更重要的優點,哪天不想搞深度學習了,半途而廢的話不會浪費,還可以玩遊戲。


謝邀

先轉載個(原文:Nvidia Tesla和Quadro、GeForce的區別):

Tesla和Geforce

1:T內部和外部RAM都有ECC保護,而G無保護,ECC的保護,大大降低了內存錯誤的發生幾率;

2:T全部通過0錯誤測試,保證計算結果的正確性,而G僅針對圖形應用的測試,使用T計算得出結果是準確的,可信的。而使用G計算出的結果往往出現錯誤,經常同一個程序跑幾遍,得出的結果卻不一樣,因此對於嚴謹的科學計算來說,G的這種表現是致命的;

3:T是Nvidia原廠生產,G是第三方廠商,相比質量更好;

但具體到深度學習,其實不需要那麼嚴謹正確的計算結果,所以我個人更傾向用GeForce。


題主可以像我一樣,等著gtx1080ti礦難降回原價入一塊美行。原來大約4k8,可是剛準備買的時候就礦熱了。(攤手)

專業卡貌似沒有顯示介面,遊戲卡有,你可以玩玩遊戲什麼的2333(雖然並不

性能不重要,反正也就差幾個晚上的算力而已(目舜禾多


在dropout動不動40%的今天 T卡多出來的那點運算穩定性有 呵呵呵哈哈哈哈 讓我去哭一會兒


我就默默上圖…

我也是剛剛接觸機器學習的小小白而已,電腦是便宜的神船GTX1060, 某次看見這張圖。。。。


同樣的情況,我選了Quadro


到現在還有比1080ti性價比再高的顯卡嗎?我會告訴你11G的顯存只比泰坦的12G顯存少200M嗎?價格只是泰坦的一半左右。如果搞圖像的話,顯存就是命啊。1塊T系列的顯卡夠你買幾塊1080ti的了。另外實測,一塊1080ti比一塊k40m快。


為什麼最近總有人邀請我回答這類問題,作為一個又窮又沒有高智商的新手,我用的聯想學霸機。


NVIDIA的GPU產品主要有GeForce、Quadro、Tesla三大系列,雖然都是GPGPU,但有分工側重,分別定位在消費級顯卡(遊戲卡)、專業用途顯卡(專業卡)、專業通用計算GPGPU方面。

(1) Tesla由NVIDIA原廠生產,品質和服務更有保障。緩存和顯存都支持ECC校驗,雙精度運算方面性能強大,適於精確的科學計算。

(2) GeForce主要由第三方廠商生產,產品穩定性可能因設計和工藝存在差異。不支持ECC校驗。雙精度運算能力不如Tesla,其他性能例如內存較Tesla也有所裁剪。

(3) Quadro則主要強化應用於3D設計領域,例如CAD設計、3D建模等。

就深度學習而言,GeForce系列更適合一些吧。深度學習對沒有ECC校驗所帶來的計算誤差並不敏感,深度學習的運算也以單精度運算為主。如果像題主所說同價位條件下,這個太明顯了,GeForce系列是不二之選。

總之,不差錢呢,就上K80,相匹配的CPU和存儲等也不少花錢;節約點呢,GTX 1080Ti也很好,性能差不了多少。而關於雙gtx1070和單gtx1080的問題沒深究過,如果現成呢,有什麼用什麼吧,如果新購買,應該還是1080好些吧。

---------------------這世界變化快,記錄下時間,現在是20170918---------------


1遊戲卡研發學習短跑可以,發熱長跑容易出錯和燒卡。2簡單任務還是可以的(參考比特幣礦機)。3有些API只支持計算卡。


推薦閱讀:

學數學用中文還是英文?
為什麼說雲計算、大數據、機器學習、深度學習被並稱為當今計算機界四大俗?
AlphaGo 演算法的通用性到底有多廣?
AlphaGo挑戰《星際爭霸2》會像圍棋之戰一樣橫掃頂級選手嗎?
認知計算是什麼?與人工智慧、機器學習這些概念有什麼區別?

TAG:編程 | 顯卡 | 深度學習DeepLearning | 移動工作站 | Caffe深度學習框架 |