科学計算に GPU を使用しています。最近、Nvidia は主力製品である GeForce Titan Z をリリースしました。このプロセッサが Tesla K40 (別の NVIDIA 製品) とどのように競合するかを知りたいです。私はすでに仕様を確認しましたが、これら 2 つのプロセッサ間のベンチマーク、または科学計算アプリケーションに対する Titan Z の能力について知りたいと思っています。また、プログラミングの観点から、Titan Z を 1 つの GPU として扱うべきか、2 つの GPU として扱うべきかについても知りたいです。
前もって感謝します、よろしく、 Sakthi K
Titan Z は、本質的に、個別の 6GB VRAM を備えた同じカード上の 2 つの Titan Black チップです。Titan Z の主な利点は、2 つのチップが同期されるため、負荷が均等に分散されることと、単一の Titan Black のコストが 1700 ドルであるのに対して、2100 ドルかかることです。Titan Black 自体は、主に単精度ユニット、限られた倍精度ユニット、および比較的ローエンドのメモリ用に設計されています。
2 つの理由から、Titan X はおそらく Titan Z または Titan Black よりも優れた選択肢であることをお勧めします。つまり、Titan Z を 1 台使用する代わりに、Titan X を 2 台使用することで、ほぼ同じコストで非常に強力なシステムを実際に構築できます。これは、深層学習関連の作業に特に当てはまります。実際、NVidia Digits Devbox には Titan X も搭載されています。
計算に倍精度 (FP64) が必要な場合は、Titan X のほぼ 2 倍のコストと同じメモリを備えた K40 などの Tesla チップを検討する必要があります。ほとんどのディープ ラーニングおよび機械学習関連の作業には単精度が含まれるため、K40 または K80 Titan X と比較すると適切ではありません。