又到了人们喜闻乐见的显卡对决时间。
虽然如今人们用来训练深度学习的 GPU 大多出自英伟达，但它旗下的产品经常会让人在购买时难以抉择。
去年 12 月，英伟达将专业图形加速显卡产品线更新至安培架构，其中最高端的 RTX A6000 是最被人关注的一款。
在基本规格上，A6000 基于完整的 GA102 GPU 核心打造显卡和gpu的区别，内建 10752 个 CUDA 核心和第三代 Tensor Core，单精度浮点性能达到了 38.7 TFLOPs。它的显存容量达到 48GB，类型是 GDDR6（16Gbps显卡和gpu的区别，GDDR6X 因为单芯片容量低而未使用），支持 ECC 校验。
A6000 采用了传统涡轮直吹风扇设计，可搭建 96GB 显存的双卡系统，PCIe 4.0 x16 插槽，提供 4 个 DP 1.4 接口（没有 HDMI），额定功耗 300W。这款显卡的定价为 5500 美元（约合 3.6 万元）。
而更早推出的旗舰消费级显卡 RTX 3090 无论是从性能还是能效都达到了前代产品的两倍，在开始出售的一段时间因为芯片产能受限等问题而一卡难求。
作为游戏玩家和深度学习从业者眼中目前最强大的显卡，3090 拥有 10496 个 CUDA 核心，FP32 浮点性能为 35.6 TFLOPs。它的显存容量为 24GB，材质也是最贵的 GDDR6X，又因为支持 HDMI 2.1 而可以实现 4k 高刷新率或 8k 游戏，额定功耗 350W。RTX 3090 的售价是 1500 美元（国行公版 11999 元）。
对这两款显卡进行评测的 Lambda 是一家构建深度学习服务器的公司，他们提供专用的 AI 训练计算机，也经常发布深度学习硬件的测评。在这次评测中，人们对这些顶级 GPU 在深度学习框架 PyTorch 上的模型训练速度进行了对比。
A6000 对 3090，这是英伟达两条产品线上最强显卡的对决，身处深度学习实验室的你当然希望知道它们孰优孰劣。不过讲道理，看到这个标题第一反应还是买不起：
听君一席话如同听君一席话，总之还是买不起。
从评测结果上来看，买 RTX A6000 花上三倍的钱并不能让你在深度学习的任务上获得多少优势：
所以，看来如果想在深度学习任务上展现 A6000 的能力，还需要多买几块 GPU。
3090 和 A6000 在 PyTorch 卷积神经网络训练上的能力对比
如图所示，使用单块 RTX A6000 进行图像模型的 32 位训练时要比使用单块 RTX 3090 稍慢。但由于 GPU 之间的通信速度更快，显卡越多则 A6000 优势越明显。视觉模型的测试成绩是在 SSD、ResNet-50 和 Mask RCNN 上取平均值得出的。
3090 和 A6000 在 PyTorch 框架上训练语言模型的能力对比
与图像模型不同，对于测试的语言模型，RTX A6000 始终比 RTX 3090 快 1.3 倍以上。这可能是由于语言模型对于显存的需求更高了。与 RTX 3090 相比，RTX A6000 的显存速度更慢，但容量更大。语言模型的测试结果是 Transformer-XL base 和 Transformer-XL large 的平均值。
请注意，在这里 GPU 的并联都使用了 NVLink 而不是 SLI。不过根据硬件本身的机制，如果使用 SLI 性能损失会更大，所以并没有理由使用后者。
Lambda 开放了此次测评的代码：
看到这里，你应该能找到自己的 GPU 选择了。未来，这家公司还将计划使用和本次测试同样的内容，研究 3080Ti 的深度学习能力。
参考内容：
1. 想看详细教程请在网站注册登录后按“立即下载”按钮下载查看！（请注意：购买年度会员和永久会员免费下载观看）
2. 查看教程方法：手机版在底部按钮下载查看，网页版在右边侧栏下载查看
⇒⇒⇒⇒⇒⇒⇒⇒⇒⇒
3. 限时特惠：本站每日持续更新海量各大内部创业教程，一年会员只需198元（开通请点击右上角头像个人中心开通），全站资源免费下载 点我查看详情
-----------------------------------------郑重声明：：
1. 本站所分享资料部分来自互联网公开渠道获取，仅供会员学习交流使用，请于24小时内删除，尊重原作者及出版方，如认为本站有使用不当的地方，或侵犯了您的权益，请联系本站工作人员，我们会及时删除。
2. 本教程收集于其他付费资源平台，仅作资源分享学习使用，不提供任何的一对一教学指导，不提供任何收益保障，具体请自行分辨测试，如遇充值环节或绑定支付账户或输入支付密码之类的异常步骤，建议停止操作，是否有风险请自行甄别，本站概不负责！
3. 有的教程如果出现无法下载或者无内容说明链接失效了，请及时联系站长进行免费处理售后。
4. 切记！课程内如含有其他联系方式引导你付费的请注意慎重考虑，以免被割韭菜！
×