Search
9系列再添新員 NVIDIA GTX980 Ti顯示卡實測
http://www.mobile01.com/newsdetail.php?id=16820
NVIDIA近來在9系列的顯示卡產品線中，再度添加了GTX980 Ti這個新成員。在這款顯示卡中，搭載的是代號GM200的Maxwell繪圖晶片，具備2816個CUDA運算核心數量，並且還有搭配6GB的顯示記憶體，來應付4K解析度以及特效全開的遊戲需求。另外，NVIDIA這次推出的GTX980 Ti不僅可以支援DX12的新功能技術，在VR虛擬實境的部分，也有加入了新的渲染技術來加強VR影像輸出效能，讓使用者在實際觀看VR影像時，能夠有更流暢的視覺體驗。
【開箱】全銅散熱模組、鼓風扇獨挑大樑！技嘉 RTX3090 TURBO 24GB顯示卡。
http://www.coolpc.com.tw/phpBB2/viewtopic.php?f=71&t=273052
能將NVIDIA GeForce旗艦卡皇RTX3090顯示卡尺寸縮小至2個SLOT空間、26.7公分長度目前就只有技嘉RTX3090 TURBO 24G辦的到！實在不簡單呀！時脈提供1395MHz、BOOST 1695MHz，採用8奈米安培架構和全新SM架構設計，讓RTX3090擁有10497 CUDA核心數翻倍成長，在過去的Pascal、Turing架構卡王相當少見！搭配第二代RT和第三代Tensor核心技術以及世界最快GDDR6X 19.5Gbps 384bit 24GB記憶體，帶來更大頻寬和更快的速度，開拓最極致8K HDR遊戲...#原價屋開箱 #技嘉 #NVIDIA #RTX3090 #TURBO24GB
NVIDIA GeForce GTX760登場 加映技嘉微星自製版實測
http://www.mobile01.com/newsdetail.php?id=13588
NVIDIA在GeForce GTX 700系列中又再度加入了GTX760這個新成員。這次的GTX760與GTX770一樣是搭載了代號GK104的繪圖晶片，所以在功能支援方面，基本上都與GTX770相差不多，稍微不同的地方，就是GTX760上所搭載的GK104晶片屏蔽了兩組SMX (Streaming Multiprocessors多重式串流處理器)，所以其中的CUDA運算核心數量也降至1152個，然而也因為核心數量的降低，亦使得GTX760顯示卡的TDP規格降至170瓦。
顯卡挑CUDA核心數時脈記憶體時脈取捨選擇困難 ; 型號, AORUS GTX1070(rev.2.0), AORUS GTX1070ti ; 核心數, 1920, 2432 ; 時脈, 超頻1835~1632 基本1797~1607 ... <看更多>
Graphics Card GPU Core Number Ranking Nvidia CUDA Stream Processor. ... 顯卡GPU 核心數 排行榜 CUDA 流處理器GPU Core Number Ranking. ... <看更多>
cuda核心數 在 Re: [問題] 同程式CUDA核心數量與速度問題- 看板C_and_CPP 的八卦
※ 引述《k387259 (台灣李宏感)》之銘言：
: 大家好
: 想請問cuda核心數量與運算處理速度的差異
: 我在網路上有抓到一隻程式
: 目前也感覺他把平行化處理的很好
: 用了兩張卡測試(用CUDA-Z看的)
: GTX760 CUDA核心1152 處理速度1084M Hz
: Quadro K5000 CUDA核心1536 處理速度740M Hz
: 在K5000上"明顯"低於GTX760
: (K5000 FPS:30 GTX760 FPS:60)
: 處理速度的差異我知道
: 但想詢問核心數目的差異到底在哪
: 是GPU上運算部分可以平行化處理的東西更多嗎？
是!
就像是可以簡單想成總共有幾個人可以同時幫你做事。
: 但是我用CUDA-Z看thread和grid數量一樣
: 核心多/處理慢 跟 核心少/處理慢
: gpu運算的code內要怎麼處理會比較好呢？
CUDA Optimize 考量因素非常多，
在分配 thread block grid 上就必須要去看硬體的規格，
例如thread 要能整除一個 wrap同時執行的核心數(通常是32)、
block要多過那張卡上SM的數量，讓CUDA運算可以滿載。
記憶體的部分也非常重要
GPU上的記憶體，分為Global memory, share memory, register memory 等 (不懂就查)
你怎麼把你的要用的擺在相對應的記憶體區塊，
如果想要更快，可以考慮memory alignment 、memory coalesce
一般而言，你如果能把你要運算的資料一口氣放入share memory裡面，
避免在運算過程中 access global memory 這樣是最完美的。
也可以考慮stream (overlap).
如果不想要那麼麻煩的寫CUDA，也可以看看OpenACC，就像openmp一樣地去加#就行了。
加油!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.240.237.51
※ 文章網址: https://www.ptt.cc/bbs/C_and_CPP/M.1415862109.A.047.html
... <看更多>