搞AI，誰又沒有“GPU之惑”？

張量核心、顯存帶寬、16位能力……各種紛繁復雜的GPU參數讓人眼花繚亂，到底怎么選？

從不到1000元1050 Ti到近30000元的Titan V，GPU價格的跨度這么大，該從何價位下手？誰才是性價比之王？

讓GPU執行不同的任務，最佳選擇也隨之變化，用于計算機視覺和做NLP就不太一樣。

而且，用云端TPU、GPU行不行？和本地GPU在處理任務時應該如何分配，才能更省錢？

最合適的AI加速裝備，究竟什么樣？

現在，為了幫你找到最適合的裝備，華盛頓大學的博士生Tim Dettmers將對比凝練成實用攻略，最新的模型和硬件也考慮在內。

到底誰能在眾多GPU中脫穎而出？測評后馬上揭曉。

文末還附有一份特別精簡的GPU選購建議，歡迎對號入座。 

最重要的參數

針對不同深度學習架構，GPU參數的選擇優先級是不一樣的，總體來說分兩條路線：

卷積網絡和Transformer：張量核心>FLOPs（每秒浮點運算次數）>顯存帶寬>16位浮點計算能力

循環神經網絡：顯存帶寬>16位浮點計算能力>張量核心>FLOPs

這個排序背后有一套邏輯，下面將詳細解釋一下。

在說清楚哪個GPU參數對速度尤為重要之前，先看看兩個最重要的張量運算：矩陣乘法和卷積。

舉個栗子🌰，以運算矩陣乘法A×B=C為例，將A、B復制到顯存上比直接計算A×B更耗費資源。也就是說，如果你想用LSTM等處理大量小型矩陣乘法的循環神經網絡，顯存帶寬是GPU最重要的屬性。

矩陣乘法越小，內存帶寬就越重要。

相反，卷積運算受計算速度的約束比較大。因此，要衡量GPU運行ResNets等卷積架構的性能，最佳指標就是FLOPs。張量核心可以明顯增加FLOPs。

Transformer中用到的大型矩陣乘法介于卷積運算和RNN的小型矩陣乘法之間，16位存儲、張量核心和TFLOPs都對大型矩陣乘法有好處，但它仍需要較大的顯存帶寬。

需要特別注意，如果想借助張量核心的優勢，一定要用16位的數據和權重，避免使用RTX顯卡進行32位運算！

下面Tim總結了一張GPU和TPU的標準性能數據，值越高代表性能越好。RTX系列假定用了16位計算，Word RNN數值是指長度<100的段序列的biLSTM性能。

這項基準測試是用PyTorch 1.0.1和CUDA 10完成的。

△ GPU和TPU的性能數據

性價比分析

性價比可能是選擇一張GPU最重要的考慮指標。在攻略中，小哥進行了如下運算測試各顯卡的性能：

•  用語言模型Transformer-XL和BERT進行Transformer性能的基準測試。
•  用最先進的biLSTM進行了單詞和字符級RNN的基準測試。
•  上述兩種測試是針對Titan Xp、Titan RTX和RTX 2080 Ti進行的，對于其他GPU則線性縮放了性能差異。
•  借用了現有的CNN基準測試。
•  用了亞馬遜和eBay上顯卡的平均售價作為GPU的參考成本。

最后，可以得出CNN、RNN和Transformer的歸一化性能/成本比值，如下所示：

△ CNN、RNN和Transformer的每美元性能

在上面這張圖中，數字越大代表每一美元能買到的性能越強?？梢钥闯?， RTX 2060比RTX 2070，RTX 2080或RTX 2080 Ti更具成本效益，甚至是Tesla V100性價比的5倍以上。

所以此輪的性價比之王已經確定，是RTX 2060無疑了。

不過，這種考量方式更偏向于小型GPU，且因為游戲玩家不喜歡RTX系列顯卡，導致GTX 10xx系列的顯卡售價虛高。此外，還存在一定的單GPU偏差，一臺有4個RTX 2080 Ti的計算機比兩臺帶8個RTX 2060的計算機性價比更高。

所需顯存與16位訓練

GPU的顯存對某些應用至關重要，比如常見的計算機視覺、機器翻譯和一部分NLP應用?？赡苣阏J為RTX 2070具有成本效益，但需要注意其顯存很小，只有8 GB。

不過，也有一些補救辦法。

通過16位訓練，你可以擁有幾乎16位的顯存，相當于將顯存翻了一倍，這個方法對RTX 2080和RTX 2080 Ti同樣適用。

也就是說，16位計算可以節省50%的內存，16位 8GB顯存大小與12GB 32位顯存大小相當。

云端or本地？TPU or GPU？

搞清楚了參數，還有更眼花繚亂的選項擺在面前：

谷歌云、亞馬遜AWS、微軟的云計算平臺都能搞機器學習，是不是可以不用自己買GPU？

英偉達、AMD、英特爾、各種創業公司……AI加速芯片也有不少品牌可選。

面對整個行業的圍攻，Tim分析了各家平臺的優缺點。

英偉達

英偉達無疑是深度學習硬件領域的領導者，大多數深度學習庫都對英偉達GPU提供最佳支持。而AMD的OpenCL沒有這樣強大的標準庫。

軟件是英偉達GPU非常強大的一部分。在過去的幾個月里，NVIDIA還在為軟件注入更多資源。例如，Apex庫對PyTorch中的16位梯度提供支持，還包括像FusedAdam這樣的融合快速優化器。

但是英偉達現在有一項非常坑爹的政策，如果在數據中心使用CUDA，那么只允許使用Tesla GPU而不能用GTX或RTX GPU。

由于擔心法律問題，研究機構和大學經常被迫購買低性價比的Tesla GPU。然而，Tesla與GTX和RTX相比并沒有真正的優勢，價格卻高出10倍。

AMD

AMD GPU性能強大但是軟件太弱。雖然有ROCm可以讓CUDA轉換成可移植的C++代碼，但是問題在于，移植TensorFlow和PyTorch代碼庫很難，這大大限制了AMD GPU的應用。

TensorFlow和PyTorch對AMD GPU有一定的支持，所有主要的網絡都可以在AMD GPU上運行，但如果想開發新的網絡，可能有些細節會不支持。

對于那些只希望GPU能夠順利運行的普通用戶，Tim并不推薦AMD。但是支持AMD GPU和ROCm開發人員，會有助于打擊英偉達的壟斷地位，將使每個人長期受益。

英特爾

Tim曾經嘗試過至強融核（Xeon Phi）處理器，但體驗讓人失望。英特爾目前還不是英偉達或AMD GPU真正的競爭對手。

至強融核對深度學習的支持比較差，不支持一些GPU的設計特性，編寫優化代碼困難，不完全支持C++ 11的特性，與NumPy和SciPy的兼容性差。

英特爾曾計劃在今年下半年推出神經網絡處理器（NNP），希望與GPU和TPU競爭，但是該項目已經跳票。

谷歌

谷歌TPU已經發展成為一種非常成熟的云端產品。你可以這樣簡單理解TPU：把它看做打包在一起的多個專用GPU，它只有一個目的——進行快速矩陣乘法。

如果看一下具有張量核心的V100 GPU與TPUv2的性能指標，可以發現兩個系統的性能幾乎相同。

TPU本身支持TensorFlow，對PyTorch的支持也在試驗中。

TPU在訓練大型Transformer GPT-2上取得了巨大的成功，BERT和機器翻譯模型也可以在TPU上高效地進行訓練，速度相比GPU大約快56%。

但是TPU也并非沒有問題，有些文獻指出在TPUv2上使用LSTM沒有收斂。

TPU長時間使用時還面臨著累積成本的問題。TPU具有高性能，最適合在訓練階段使用。在原型設計和推理階段，應該依靠GPU來降低成本。

總而言之，目前TPU最適合用于訓練CNN或大型Transformer，并且應該補充其他計算資源而不是主要的深度學習資源。

亞馬遜和微軟云GPU

亞馬遜AWS和Microsoft Azure的云GPU非常有吸引力，人們可以根據需要輕松地擴大和縮小使用規模，對于論文截稿或大型項目結束前趕出結果非常有用。

然而，與TPU類似，云GPU的成本會隨著時間快速增長。目前，云GPU過于昂貴，且無法單獨使用，Tim建議在云GPU上進行最后的訓練之前，先使用一些廉價GPU進行原型開發。

初創公司的AI硬件

有一系列初創公司在生產下一代深度學習硬件。但問題在于，這些硬件需要開發一個完整的軟件套件才能具有競爭力。英偉達和AMD的對比就是鮮明的例子。

小結

總的來說，本地運算首選英偉達GPU，它在深度學習上的支持度比AMD好很多；云計算首選谷歌TPU，它的性價比超過亞馬遜AWS和微軟Azure。

訓練階段使用TPU，原型設計和推理階段使用本地GPU，可以幫你節約成本。如果對項目deadline或者靈活性有要求，請選擇成本更高的云GPU。

最終建議

總之，在GPU的選擇上有三個原則：

1、使用GTX 1070或更好的GPU；

2、購買帶有張量核心的RTX GPU；

3、在GPU上進行原型設計，然后在TPU或云GPU上訓練模型。

針對不同研究目的、不同預算，Tim給出了如下的建議：

最佳GPU：RTX 2070

避免的坑：所有Tesla、Quadro、創始人版（Founders Edition）的顯卡，還有Titan RTX、Titan V、Titan XP

高性價比：RTX 2070（高端），RTX 2060或GTX 1060 (6GB)（中低端）

窮人之選：GTX 1060 (6GB)

破產之選：GTX 1050 Ti（4GB），或者CPU（原型）+ AWS / TPU（訓練），或者Colab

Kaggle競賽：RTX 2070

計算機視覺或機器翻譯研究人員：采用鼓風設計的GTX 2080 Ti，如果訓練非常大的網絡，請選擇RTX Titans

NLP研究人員：RTX 2080 Ti

已經開始研究深度學習：RTX 2070起步，以后按需添置更多RTX 2070

嘗試入門深度學習：GTX 1050 Ti（2GB或4GB顯存）