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