计算单精度和半精度浮点数的矩阵运算时， GPU 相比 CPU 是否有数量级的领先？
threebr · 2020-08-07 15:16:28 +08:00 · 1633 次点击这是一个创建于 1569 天前的主题，其中的信息可能已经有所发展或是发生改变。
大量的低阶矩阵和向量的乘法运算，形式均为[N×N]×[N×1]，也就是 N 维矩阵乘 N 维向量，N 的大小在几十到几百。运算次数在亿的量级。
对计算精度要求很低，半精度浮点数甚至 int16/int8 都可以。不需要保存一些中间结果，所以需要的内存不多。
现在我用的 12 核 3900x 跑并行计算，但需要几个小时的时间，如果换成 RTX2070 这样的显卡或者 Cloud TPU 这样的云服务能不能在数量级上缩短时间？
对计算精度要求很低，半精度浮点数甚至 int16/int8 都可以。不需要保存一些中间结果，所以需要的内存不多。
现在我用的 12 核 3900x 跑并行计算，但需要几个小时的时间，如果换成 RTX2070 这样的显卡或者 Cloud TPU 这样的云服务能不能在数量级上缩短时间？
 |
1
wutiantong 2020-08-07 15:18:23 +08:00
一次性任务么？几个小时就跑完这完全能忍啊
|
 |
2
threebr OP @wutiantong 不是一次性的，算半个炼丹吧，效果不好就还要继续
|
 |
3
lloovve 2020-08-07 16:17:50 +08:00 via iPhone
3900 5t 显卡 7t 没啥区别
|
 |
4
thedrwu 2020-08-07 16:29:40 +08:00 via Android  1
对于相乘本身来说，是。但如果有其他中间步骤另当别论。
不同尺寸和硬件的 GEMM 算法的优化也能造成很大的区别。 |
|
5
threebr OP @lloovve 3900X 的单精度似乎只有 71.55 GFLOPS ？这样的确有量级的差距
来源： https://ranker.sisoftware.co.uk/show_device.php?q=c9a598d994d0f0a2dba1c4aa8ab393a099a999c1e1d0e2cf8ce391f4d2b588a594b2c0fdcdeb82bf8ea8c0fdc8ee96ab9abcd9bc81b197e4d9e1 |
Select Language