深度學(xué)習(xí)是一個計算需求強(qiáng)烈的領(lǐng)域，GPU的選擇將從根本上決定你的深度學(xué)習(xí)研究過程體驗。在沒有GPU的情況下，等待一個實驗完成往往需要很長時間，可能是運(yùn)行一天，幾天，幾個月或更長的時間。因此，選擇一個好的，合適的GPU，研究人員可以快速開始迭代深度學(xué)習(xí)網(wǎng)絡(luò)，幾個月的實驗可以在幾天之內(nèi)跑完，幾天的實驗可以在幾個小時之內(nèi)跑完。因此，在購買GPU時，正確的選擇至關(guān)重要。那么應(yīng)該如何選擇適合的GPU呢？今天我們將深入探討這個問題，并會給出一些合適的建議，幫助你做出適合的選擇。

      擁有高速GPU是開始學(xué)習(xí)深度學(xué)習(xí)的一個非常重要的方面，因為這可以幫助你快速獲得實踐經(jīng)驗，這是搭建專業(yè)知識的關(guān)鍵，有足夠的時間將深度學(xué)習(xí)應(yīng)用于解決新問題。如果沒有這種快速的反饋，就需要花費(fèi)太多的時間從錯誤中學(xué)習(xí)。因此，今天就談?wù)勅绾芜x擇一款合適的GPU來進(jìn)行深度學(xué)習(xí)的研究。

首先給出一些總體的建議

非常好的GPU整體（小幅度）：Titan Xp

綜合性價比高，但略貴：GTX 1080 Ti，GTX 1070，GTX 1080

性價比還不錯且便宜：GTX 1060（6GB）

當(dāng)使用數(shù)據(jù)集> 250GB：GTX Titan X（Maxwell） ，NVIDIA Titan X Pascal或NVIDIA Titan Xp

沒有足夠的錢：GTX 1060（6GB）

幾乎沒有錢：GTX 1050 Ti（4GB）

做Kaggle比賽：GTX 1060（6GB）適用于任何“正?！北荣?，或GTX 1080 Ti用于“深度學(xué)習(xí)競賽”

計算機(jī)視覺研究員：NVIDIA Titan Xp；不要買現(xiàn)在新出的Titan X（Pascal或Maxwell）

一名研究員人員：GTX 1080 Ti。在某些情況下，如自然語言處理，一個GTX 1070或GTX 1080已經(jīng)足夠了-檢查你現(xiàn)在模型的內(nèi)存需求。

搭建一個GPU集群：這個優(yōu)點(diǎn)復(fù)雜，另做探討。

剛開始進(jìn)行深度學(xué)習(xí)研究：從GTX 1060（6GB）開始。根據(jù)你下一步興趣（入門，Kaggle比賽，研究，應(yīng)用深度學(xué)習(xí)）等等，在進(jìn)行選擇。目前，GTX 1060更合適。

想嘗試下深度學(xué)習(xí)，但沒有過多要求：GTX 1050 ti（4或2GB）

應(yīng)該選擇什么樣的GPU？NVIDIA GPU，AMD GPU或Intel Xeon Phi？

NVIDIA的標(biāo)準(zhǔn)庫使得基于CUDA來建立第一個深度學(xué)習(xí)庫變得非常容易，而AMD的OpenCL則沒有這樣強(qiáng)大的標(biāo)準(zhǔn)庫?，F(xiàn)在，AMD卡沒有像這樣好的深度學(xué)習(xí)庫，所以就只有NVIDIA。即使未來有一些OpenCL庫可能也可用，但我也會堅持使用NVIDIA，因為GPU計算能力或GPGPU社區(qū)非常強(qiáng)大，可以持續(xù)促進(jìn)CUDA的發(fā)展，而OpenCL則相對有限。因此，在CUDA社區(qū)中，很容易獲得不錯的開源解決方案和可靠的建議。

此外，即使深度學(xué)習(xí)剛剛起步，NVIDIA仍然在持續(xù)深入的發(fā)展。這個選擇得到了回報。而其他公司現(xiàn)在把錢和精力放在深度學(xué)習(xí)上，由于起步較晚，現(xiàn)在還是相對落后。目前，除NVIDIA-CUDA之外，其他很多軟硬件結(jié)合的深度學(xué)習(xí)方案都會遇到或多或少的問題。

至于英特爾的Xeon Phi處理方案，官方廣告宣稱編程者可以使用標(biāo)準(zhǔn)的C代碼進(jìn)行開發(fā)，并很容易將代碼輕松轉(zhuǎn)換為經(jīng)過加速的Xeon Phi代碼。這個特性聽起來很有趣，因為我們可以依靠豐富的C代碼資源。但是，實際上只有很小部分的C代碼是被支持的，所以這個特性目前并不是很有用，而且能夠運(yùn)行的大部分C代碼都很慢。

給定預(yù)算下如何選擇較快的GPU

在選擇GPU時，首先要考慮的第一個GPU性能問題是什么呢：是否為cuda核心？時鐘速度多大？內(nèi)存大小多少？

這些都不是，對于深度學(xué)習(xí)性能而言，最重要的特征是內(nèi)存帶寬（memory bandwidth）。

簡而言之：GPU針對內(nèi)存帶寬進(jìn)行了優(yōu)化，但同時犧牲了內(nèi)存訪問時間（延遲）。CPU的設(shè)計恰恰相反：如果涉及少量內(nèi)存（例如幾個數(shù)字相乘（3 * 6 * 9）），CPU可以快速計算，但是對于大量內(nèi)存（如矩陣乘法（A * B * C）則很慢。由于內(nèi)存帶寬的限制，當(dāng)涉及大量內(nèi)存的問題時，GPU快速計算的優(yōu)勢往往會受到限制。當(dāng)然，GPU和CPU之間還有更復(fù)雜的區(qū)別，關(guān)于為何GPU如此適用于處理深度學(xué)習(xí)問題，另做探討。

所以如果你想購買一個快速的GPU，首先要關(guān)注的是GPU的帶寬（bandwidth）。

通過內(nèi)存帶寬評估GPU的性能

隨著時間的變化，CPU和GPU的帶寬比較：帶寬是GPU比CPU更快的主要原因之一。

帶寬可以直接在芯片的體系結(jié)構(gòu)上進(jìn)行比較，例如像GTX 1080和GTX 1070這樣的Pascal卡，其性能可以直接通過單獨(dú)查看內(nèi)存帶寬進(jìn)行比較。例如，GTX 1080（320GB / s）比GTX 1070（256 GB / s）快25％（320/256）。然而，不同的結(jié)構(gòu)，例如像GTX 1080與GTX Titan X之類的Pascal與Maxwell不能直接比較，因為不同制造工藝（以納米為單位），導(dǎo)致不同的架構(gòu)對于如何利用給定的內(nèi)存帶寬的方式不同。這使得一切都有點(diǎn)棘手，但僅僅基于整體帶寬就能讓我們很好地評價GPU的速度到底有多快。為了確定在一個給定的條件下，一款GPU能多快，可以查看這個維基百科頁面，以GB / s為單位查看帶寬。  

另一個需要考慮的重要因素是，并不是所有的架構(gòu)都與cuDNN兼容。由于幾乎所有深度學(xué)習(xí)庫都使用cuDNN進(jìn)行卷積運(yùn)算，這就限制GPU的選擇只能是Kepler GPU或更高的版本，即GTX 600系列或更高版本。最重要的是，Kepler GPU一般都很慢。所以這意味著應(yīng)該選擇GTX 900或1000系列的GPU，以獲得更好的性能。

為了粗略地估計一下這些卡在深度學(xué)習(xí)任務(wù)上的表現(xiàn)，我構(gòu)建了一個簡單的GPU等值圖。如何閱讀這個？例如，一個GTX 980與0.35 Titan X Pascal一樣快，或者換句話說，Titan X Pascal幾乎是GTX 980的三倍。

請注意，我自己并沒有所有的這些卡，我并沒有在所有這些卡上運(yùn)行然后得到深度學(xué)習(xí)的benchemarks。比較的結(jié)果通過卡片規(guī)格以及一些可得到的計算benchmarks（一些用于加密貨幣挖掘的情況，這一性能在深度學(xué)習(xí)相關(guān)的計算能力上是可比較的）得出的。所以這些結(jié)果粗略的估計。實際的數(shù)字可能會有所不同，但通常錯誤應(yīng)該是比較小的，卡的順序應(yīng)該是正確的。另外請注意，那些不足以充分利用GPU性能的小型網(wǎng)絡(luò)會讓GPU的性能看上去不好。例如，GTX 1080 Ti上的小型LSTM（128個隱藏單元;批量大小> 64）不會比在GTX 1070上運(yùn)行速度快很多。為了獲得圖下表中顯示的性能差異，需要運(yùn)行更大的網(wǎng)絡(luò)，比如具有1024個隱單元的LSTM（批量大小> 64）。

一般來說，我會推薦GTX 1080 Ti，GTX 1080或GTX 1070.他們都是優(yōu)秀的顯卡，如果你有錢，應(yīng)該購買GTX 1080 Ti。GTX 1070比普通的GTX Titan X（Maxwell）便宜一些。GTX 1080的性價比比GTX 1070低一些，但是自GTX 1080 Ti推出以來，價格大幅下滑，現(xiàn)在GTX 1080的性價比已經(jīng)能夠與GTX 1070比擬。所有這三款顯卡應(yīng)該比GTX 980 Ti要好，因為它們具有11GB和8GB（而不是6GB）的內(nèi)存。

8GB的內(nèi)存可能看起來有點(diǎn)小，但是對于許多任務(wù)來說這已經(jīng)足夠了。例如對于Kaggle比賽，大多數(shù)圖像數(shù)據(jù)，deep style和自然語言理解任務(wù)，這些你可能會遇到幾個問題。

對于入門級的人來或是偶爾想用GPU來參加類似Kaggle比賽的人，GTX 1060是一個不錯的選擇。我不推薦內(nèi)存只有3GB的GTX 1060 variant產(chǎn)品，因為6G的內(nèi)存就已經(jīng)很有限了。但是，對于許多應(yīng)用來說，6GB就足夠了。GTX 1060比普通的Titan X慢，但與GTX 980具有可比的性價比。

就綜合性價比而言，10系列設(shè)計得非常好。GTX 1050 Ti，GTX 1060，GTX 1070，GTX 1080和GTX 1080 Ti都非常出色。GTX 1060和GTX 1050 Ti適用于初學(xué)者，GTX 1070和GTX 1080是適合于初創(chuàng)公司，部分研究和工業(yè)部門，而性能突出的GTX 1080 Ti，對于以上應(yīng)用都合適。

不推薦NVIDIA Titan Xp，因為它的性價比太貴了?？梢杂肎TX 1080 Ti代替。然而，NVIDIA Titan Xp在計算機(jī)視覺研究領(lǐng)域中仍然有一定的使用，用于處理大數(shù)據(jù)集或視頻數(shù)據(jù)。在這些領(lǐng)域中，按照每GB的內(nèi)存數(shù)量計算，NVIDIA Titan Xp只比GTX 1080 Ti多1GB，但在這種情況下也具有一定的優(yōu)勢。不推薦NVIDIA Titan X（Pascal），因為NVIDIA Titan Xp速度更快，但價格幾乎相同。但由于市場上這些GPU的稀缺性，如果你找不到NVIDIA Titan Xp，也可以購買Titan X（Pascal）。

如果你已經(jīng)有了GTX Titan X（Maxwell）GPU，那么升級到NVIDIA Titan X（Pascal）或NVIDIA Titan Xp就沒有必要了。

如果你缺錢，但是你需要12GB內(nèi)存來開展你的研究，那么GTX Titan X（Maxwell）也是一個很好的選擇。

對于大多數(shù)研究人員來說，GTX 1080 Ti已經(jīng)完全夠用了。大多數(shù)研究和大多數(shù)應(yīng)用，GTX 1080 Ti的內(nèi)存完全夠用。

在NLP中，內(nèi)存限制并不像計算機(jī)視覺領(lǐng)域那么嚴(yán)格，所以GTX 1070 / GTX 1080也是不錯的選擇。通常是，需要解決什么樣的任務(wù)以及如何進(jìn)行試驗，決定了需要選擇哪一款GPU，無論是GTX 1070還是GTX 1080。當(dāng)你選擇GPU時，應(yīng)該按照類似的方式推理。考慮一下你在做什么任務(wù)，如何運(yùn)行你的實驗，然后嘗試找到適合這些要求的GPU。

對于預(yù)算有限的人來說，選擇條件則更加有限。亞馬遜網(wǎng)絡(luò)服務(wù)上的GPU相當(dāng)昂貴和緩慢，如果只有少量的資金，也是一個不錯的選擇。我不推薦GTX 970，因為它很慢，即使在某些限制條件下也是相當(dāng)昂貴的（在eBay上150美元），并且存在與卡啟動相關(guān)的內(nèi)存問題。相反，建議花更多一點(diǎn)的錢購買更快，有更大的內(nèi)存，沒有內(nèi)存問題的GTX 1060。如果實在買不起GTX 1060，我建議選擇配備4GB內(nèi)存的GTX 1050 Ti。4GB內(nèi)存可能有限，但至少可以開展進(jìn)行你的研究，只是需要你對模型進(jìn)行一些調(diào)整，也可以得到良好的性能。

GTX 1050 Ti一般來說也是一個不錯的選擇，如果你只是想嘗試一下深度學(xué)習(xí)，而沒有其他更多的需求。

結(jié)論

有了這篇文章中提供的所有信息，你應(yīng)該能夠考慮選擇哪一種合適的GPU，綜合考慮所需的內(nèi)存大小，帶寬（GB/s）大小和GPU的價格，這一思路在未來很久也適用。最后，如果有足夠的資金，建議購買GTX 1080 Ti，GTX 1070或者GTX 1080。如果剛剛開始研究深度學(xué)習(xí)，或者資金有限，可以購買GTX 1060。如果資金實在有限，可以購買GTX 1050 ti；如果想要從事計算機(jī)視覺研究，可以購買Titan Xp。