admin管理员组文章数量:1535870
GPU的计算能力的衡量指标
- 显存大小
- CUDA核心数
- 计算主频
描述GPU计算能力的指标:
- 计算峰值
2 . 存储器带宽
其中最为重要的就是GPU的计算峰值,这个在我们进行边缘计算的时候,更加重要。
GPU设备的单精度计算能力的理论峰值计算公式:
单精度计算能力的峰值 = 单核单周期计算次数 × 处理核个数 × 主频
以GTX680为例, 单核一个时钟周期单精度计算次数为两次,处理核个数 为1536, 主频为1006MHZ,那他的计算能力的峰值P :
P = 1536 * 1006 * 2 = 3.09TFLOPS
这里1MHZ = 1000000HZ, 1T为1兆,也就是说,GTX680每秒可以进行超过3兆次的单精度运算。
各种FLOPS的含义,FLOPS是每秒所执行的浮点运算次数,也就是GPU计算的基本单位:
MFLOPS (megaFLOPS):每秒一百万 (=10^6) 次的浮点运算
GFLOPS (gigaFLOPS) :每秒十亿 (=10^9) 次的浮点运算
TFLOPS (teraFLOPS) :每秒一万亿 (=10^12) 次的浮点运算
PFLOPS (petaFLOPS) :每秒一千万亿 (=10^15) 次的浮点运算
GPU计算浮点数的理论峰值 = GPU芯片数量*GPU Boost主频*核心数量*单个时钟周期内能处理的浮点计算次数
同时对于Tesla系列的显卡,支持双精度的内核,进行运算,计算公
版权声明:本文标题:深度学习GPU显卡的浮点计算性能指标分析 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/xitong/1726913072a1089990.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论