【新智元导读】深度学习计算该买哪款GPU,选择哪个平台?这篇文章为你提供对比指南。
购买用于运行深度学习算法的硬件时,我们常常找不到任何有用的基准,唯一的选择是买一个GPU然后用它来测试。现在市面上性能最好的GPU几乎都来自英伟达,但其中也有很多选择:是买一个新出的TITAN X Pascal还是便宜些的TITAN X Maxwell,又或是GTX 1080?本文中我们对几个最常见的英伟达GPU以及最常用的一些深度学习算法进行了基准测试。软件方面,我们比较了最近发布的四个开源深度学习库:Tensorflow v0.10.0、Neon v1.6.0、Caffe rc3以及caffe的英伟达版本NVcaffe v0.15.10。
GPU基准测试:GeForce GTX 1080 vs Titan X(Maxwell) vs Titan X (Pascal)
我们比较了GeForce GTX 1080、Titan X Maxwell和Titan X Pascal三款GPU,使用的深度学习库是Neon、Tensorflow和Caffe,深度学习网络是AlexNet、GoogleNet、OverFeat和VGG-A。
所有基准测试都使用64位系统,每个结果是100次迭代计算的平均时间。
基于库的测试结果
训练基准测试
使用四种库(Tensorflow,NVcaffe,Caffe,Neon)进行一次前向迭代和反向迭代的总时间[ms](越少越好)。结果如下:
推论基准测试
使用四种库(Tensorflow,NVcaffe,Caffe,Neon)进行一次前向迭代的总时间[ms](越少越好)。结果如下:
基于神经网络的测试结果
训练基准测试
使用四种神经网络(VGG-A, OverFeat,AlexNet, GoogLeNet)进行一次前向迭代和反向迭代的总时间(越少越好)。结果如下:
推论基准测试
使用四种神经网络(VGG-A, OverFeat,AlexNet, GoogLeNet)进行一次前向迭代的总时间(越少越好)。结果如下:
配置
基准测试工具
在Neon上进行基准测试使用的是neon库中的脚本neon/tests/run_benchmarks.py,在Tensorflow上使用的是convnet-benchmarks和不加修改的脚本convnet-benchmarks/tensorflow/benchmark_alexnet.py, convnet-benchmarks/tensorflow/benchmark_googlnet.py, convnet-benchmarks/tensorflow/benchmark_overfeat.py 以及 convnet-benchmarks/tensorflow/benchmark_vgg.py。Caffe使用的也是convnet-benchmarks,但对脚本convnet-benchmarks/caffe/run_imagenet.sh作了修改以指向我们的caffe安装。
深度学习库基准测试:Caffe vs Neon vsNVcaffe vs Tensorflow
同样,所有基准测试都使用64位系统,每个结果是100次迭代计算的平均时间。
基于GPU的测试结果
训练基准测试
使用四种GPU(Titan X Pascal, Titan X Maxwell, GeForce GTX 1080)进行一次前向迭代和反向迭代的总时间(越少越好)。结果如下:
推论基准测试
使用四种GPU(Titan X Pascal, Titan X Maxwell, GeForce GTX 1080)进行一次前向迭代的总时间(越少越好)。结果如下:
基于神经网络的测试结果
训练基准测试
使用四种神经网络(VGG-A, OverFeat,AlexNet, GoogLeNet)进行一次前向迭代和反向迭代的总时间(越少越好)。结果如下:
推论基准测试
使用四种神经网络(VGG-A, OverFeat, AlexNet,GoogLeNet)进行一次前向迭代的总时间(越少越好)。结果如下:
配置
基准测试工具
在Neon上进行基准测试使用的是neon库中的脚本neon/tests/run_benchmarks.py,在Tensorflow上使用的是convnet-benchmarks和不加修改的脚本convnet-benchmarks/tensorflow/benchmark_alexnet.py, convnet-benchmarks/tensorflow/benchmark_googlnet.py, convnet-benchmarks/tensorflow/benchmark_overfeat.py 以及 convnet-benchmarks/tensorflow/benchmark_vgg.py。Caffe使用的也是convnet-benchmarks,但对脚本convnet-benchmarks/caffe/run_imagenet.sh作了修改以指向我们的caffe安装。