首页 > 代码库 > 机器性能测试与显卡价格报表

机器性能测试与显卡价格报表

参考网站:

http://blog.163.com/yang_jianli/blog/static/1619900062010391127338/ (Linux配置查看命令)

https://developer.nvidia.com/cudnn (cuDNN)

http://developer.nvidia.com/cuda-gpus (显卡计算能力)

http://www.geforce.com/hardware/10series/geforce-store (NVIDIA store)

www.jd.com (京东)

 

机器性能测试与显卡价格报表

  1. 机器配置
  2. 服务器

型号:    曙光天阔I950r-G

CPU     128 Intel(R) Xeon(R) CPU E7- 8830 @ 2.13GHz

内存:     1TB

显卡:    Matrox Graphics, Inc. MGA G200eW WPCM450 (rev 0a)

显存:    Memory at ce000000 (32-bit, prefetchable) [size=16M]

        Memory at cf800000 (32-bit, non-prefetchable) [size=16K]

        Memory at cf000000 (32-bit, non-prefetchable) [size=8M]

系统1: Red Hat Enterprise Linux Server release 6.2 (Santiago)

内核:    Linux ict 2.6.32-220.el6.x86_64

系统2: windows server 2008 R2 X64

位置:    10楼机房南门,进门左手边玻璃门进入,主机柜D-09中间位置

负责人:秦立格老师 qinlige@ict.ac.cn 房间:1054

  1. 图形工作站

型号:兼容机

CPU    8Intel(R) Core(TM) i7-4770K CPU @ 3.50GHz

内存:    8GB

显卡:    NVIDIA Corporation GK106 [GeForce GTX 660] (rev a1)

显存:    Memory at f6000000 (32-bit, non-prefetchable) [size=16M]

        Memory at e8000000 (64-bit, prefetchable) [size=128M]

        Memory at f0000000 (64-bit, prefetchable) [size=32M]

系统:    Ubuntu 15.04

内核:    Linux shirui-All-Series 3.16.0-41-generic

位置:    541B

  1. 我的电脑

型号:兼容机

CPU    双核Intel(R) Core(TM)2 CPU 6600 @2.40GHz

内存:    4GB

显卡:    NVIDIA GeForce 8800 GTS 512

  1. Caffe平台下测试用例mnist手写数据集测试

Google实验室的Corinna Cortes和纽约大学柯朗研究所的Yann LeCun建立。

训练库有60,000张手写数字图像,测试库有10,000张。为28×28的二值图像。

测试1:本机CPU模式。

2小时40分钟

测试2:服务器,CPU单核训练

50分钟。

测试3:工作站,CPU模式。

11分钟。

测试4:工作站,GPU模式

3分钟。

测试5:工作站,使用cuDNN加速

48秒。

  1. CUDAcuDNN

CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。 CUDA?是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA?架构编写程序,C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA?的处理器上以超高性能运行。CUDA3.0已经开始支持C++FORTRAN

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中,如加州大学伯克利分校的流行CAFFE软件。简单的,插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是调整性能,同时还可以在GPU上实现高性能现代并行计算。GPU的计算能力在3.0以上,才能够支持cuDNN

cuDNN性能比较

技术分享

网上大家的测试结果,Caffe cuDNN模式相比CPU模式加速15.64倍,相比GPU模式加速7.7倍。

  1. 显卡的计算能力

我的电脑GeForce 8800 GTS     计算能力1.1

诗锐电脑GeForce GTX 660     计算能力3.0

 

技术分享

  1. 报价列表

产品

显存

显存频率

主频

处理单元

电源

京东报价

官网报价

NV IDIA TITAN X

12G

  

3584

600W

¥11200

$1200

GeForce GTX 1080

8G

10010MHz

1800MHz

2560

550W

¥4999

$699

GeForce GTX 1070

8G

8058MHz

1700MHz

1920

550W

¥3199

$440

GeForce GTX 1060

6G

8008MHz

1700MHz

1280

450W

¥1999

$299

GeForce GTX 1050

4G

7008MHz

1400MHz

768

400W

¥1199

停售

 

  1. 结论

目前来看,对于神经网络训练的性能GPU要远高于CPU。通过目前的了解,caffe平台似乎并不支持多机训练,还需要进一步调研。Mxnet可以支持多机多卡的训练,TensorFlow也有分布式的训练的版本。

机器性能测试与显卡价格报表