搞ai好像只要单精度fp32和半精度fp16吧，pascal系列没有半精度功能，我还是用rtx a4000算了，单插槽，自带风扇
【 在 firstflood 的大作中提到: 】
: 多加点钱，搞个p100，双精度算力很高
--
FROM 60.177.68.*

双精度性能到底有什么用？3090才500gflops
【 在 azuresea 的大作中提到: 】
: 用rtx a4000还不如用Titan V，现在淘宝4千多元和a4000相当，单精度fp32和半精度fp16二者差不多，但双精度Titan V是7.5T，甚至远超4090，用途更广。
:
--
FROM 220.191.120.*

很多科学计算仍然需要双精度，结果可信度更高。这个网站有个人测了重度依赖双精度的软件LAMMPS：

http://bbs.keinsci.com/thread-33296-1-1.html

一些测试结果如下：

Entropy.S.I LAMMPS test (ATOM-Time MSteps/s):
                A7950X+3090(OC) A7950X+4090     I13900K+3090(OC)        I13900K+4090
LJ 2.5:         134.832         264.987         135.143                 267.330
EAM:            28.721          58.442          28.680                  58.728
ReaxFF/C:       0.499           N/A             0.506                   N/A
Tersoff:        36.652          61.435          37.158                  62.647


作为对比，我办公室的GV100和家里的Titan V（二者核心相同，频率和内存稍有差别）同样测试的结果如下：

Entropy.S.I test (ATOM-Time MSteps/s):
                W-2155+GV100    E5-2696V3+Titan_V
LJ 2.5:         329.539         294.169
EAM:            69.278          66.834
ReaxFF/C:       1.564           1.504
Tersoff:        101.951         98.917

【 在 wwpty 的大作中提到: 】
: 双精度性能到底有什么用？3090才500gflops
--
FROM 60.168.40.*

P100没有Tensor Cores，这个也有很大作用，用上之后还可以进一步大幅度加速。

【 在 wwpty 的大作中提到: 】
: 上面回帖有人提到tesla p100，这个双精度性能也很强，淘宝才1600块钱
--
FROM 60.168.40.*

嗯深度学习还用不到双精度，不过你买几个a4000这钱效比怕是还比不上直接买4090吧。

【 在 wwpty 的大作中提到: 】
: 深度学习用不到双精度吧，tensor核倒是很有用，最合理的选择还是rtx a4000，单插槽太香了，绝无仅有的设计
--
FROM 60.168.40.*