RTX30 系列游戏本与台式机、云服务器显卡 AI 计算力对比

笔记本显卡：

AI大咖性能对比：

云服务器显卡对比：

MX450单挑GTX1650：

新一代移动版显卡性能对比：

RTX30 系列台式机显卡性能对比：

小结：

最近考虑用什么显卡来做AI训练，既不想太笨重，又希望有较强的计算能力。

纠结于用游戏本，还是用台式机，或者是用云计算平台？网上查了一些资料，稍微整理一下，方便以后对比查询，也给需要的朋友一些便利。

对于显卡的深度学习训练能力，我们不能只关注它有多少CUDA内核，还要看它的频率，显存，显存位宽等，比较客观的一个指标是看它的单精度性能（FP32）性能有多少Tflops。

Tflops理论峰值：

单精度理论峰值＝ 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。

单精度理论峰值＝ FP32 cores ＊ GPU Boost Clock ＊ 2。

笔记本显卡：

AI大咖性能对比：

云服务器显卡对比：

这是某云服务器平台所用显卡的参数对比。

从NVIDIA的网站上，可以看到，上面的显卡还在多家云平台使用。

MX450单挑GTX1650：

某网页给出的指标，可以看到超频的MX450的FP32计算能力已经超过了GTX1650。

GTX1650 ：128bit位宽以及192GB/s带宽，流处理器896个，频率为1350~1486MHZ，4G显存；

MX450：64bit位宽以及80GB/s带宽（支持PCIE 4.0），流处理器896个，频率为1395~1575MHz，2G显存；

实际上，MX450显存少了一半，虽然流处理器数量还不错，但显卡位宽少了一半，显存带宽也低了一半，在有些场景下还是有差距的。

新一代移动版显卡性能对比：

Jetson Nano: 128 ＊？GHz ＊ 2 ＝ 0.472 TFlops

GeForce MX 450: 896 ＊ 1.575GHz ＊ 2 ＝ 2.8 TFlops

GeForce RTX 3060: 3840 ＊ 1.70GHz ＊ 2 ＝ 13.1 TFlops

GeForce RTX 3070: 5120 ＊ 1.62GHz ＊ 2 ＝ 16.6 TFlops

GeForce RTX 3080: 6144 ＊ 1.71GHz ＊ 2 ＝ 21.0 TFlops

RTX30 系列台式机显卡性能对比：

GeForce RTX 3060: 3584 ＊ 1.78GHz ＊ 2 ＝ 12.8 TFlops

GeForce RTX 3060Ti: 4864 ＊ 1.67GHz ＊ 2 ＝ 16.2 TFlops

GeForce RTX 3070: 5888 ＊ 1.73GHz ＊ 2 ＝ 20.4 TFlops

GeForce RTX 3080: 8704 ＊ 1.71GHz ＊ 2 ＝ 29.8 TFlops

GeForce RTX 3090: 10496 ＊ 1.7GHz ＊ 2 ＝ 35.7 TFlops

JD上报价合适一点的显卡，基本上是缺货状态，借两张图，记录其价格。

好多店有货，但是价格比较高，某店 Gigabyte/技嘉RTX3080 10G 游戏显卡 RTX3080 GAMING OC-10GD魔鹰，报价：￥ 14099.00。

大家闲来无事，拿个板凳坐着，时常看看，慢慢等，总有一天能买到合适的吧！

小结：

俗话说，显卡买新不买旧，新的构架，效率高一些，计算力更强一些。可以看到，MX450已经可以单挑GTX1650了。而新出的RTX30系列移动版，也可以与原来的大牛Tesla V100 和 P40一较高下了。

选择的时候，除了要看是哪一款显卡，有多少独立显存，还要看显卡能够跑到最大频率是多少。有的笔记本为了控制散热问题，会对频率做限制，有的游戏本厂商为了性能，会采用台式机显卡，这种游戏本性能强一些，但是往往比较笨重。

从我的角度来看，为了便携方便，满血的RTX3060和频率低一些的RTX3070都行，性能差不太多，频率高的话散热是个问题，会比较笨重；台式机的话，RTX3080比较合适，RTX3090性能增加不多，价格却高不少。

老徐 2021 / 3 /17