rtx显卡与gtx显卡区别（RTX 4090深度学习性能实测奉上！模型训练可提升60~80%）

近期    
    
    
    
    ，我们对 RTX 4090涡轮版进行了完整的整机测试    


     


     


     


     


，本篇文章将分别围绕单卡




 




 




 




 




，4卡   

   

   

   

   ，8卡RTX4090性能测试结果展开分享     

     

     

     

     

，以全面评估其相比上代RTX30系列的性能优势    
    
    
    
    。

首先让我们一起看看本次测试的硬件配置    


     


     


     


     


。

测试硬件配置

简单介绍一下本次使用的平台为超微SYS-420GP-TNR




  




  




  




  




，这款GPU系统针对 AI 和图形密集型工作负载的灵活设计
  


  


  


  


  ， 4U 双处理器（第三代英特尔® 至强®）     
     
     
     
     
，双根GPU系统 




   




   




   




   




，最多10个PCIe GPU

 



 



 



 



 ，详细产品参数可查看https://www.hynx.com.cn/product/detail/65

软件环境

超微服务器安装8张涡轮版RTX 4090显卡样例图

超微SYS-420GP-TNR服务器安装8张RTX 4090 (涡轮版)显卡情况良好                         ，前后空间充足  




    




    




    




    




，无结构干涉






















，显卡采用尾部供电设计                         ，也不需要额外选购凸起顶盖




 




 




 




 




。

​

涡轮版RTX 4090 性能测试

显卡硬件参数对比

为了更加直观的体现   



     



     



     



     



，我们将Geforce RTX 4090显卡与Geforce RTX 3090    
    
    
    
    、RTX 3080做性能参数对比























，首先三张GPU卡硬件参数如下：

​ 单张显卡FP32/16 ResNet50 性能测试 测试任务

TensorFlow-1.15.5 : ResNet50 , fp32和fp16

测试单张显卡TensorFlow FP32    


     


     


     


     


、FP16性能    
    
    
    
    ，使用NVIDIA官方NGC容器nvcr.io/nvidia/tensorflow:23.01-tf1-py3    


     


     


     


     


，命令示例：

python resnet.py --layers=50 --precision=fp16 --batch_size=128

python resnet.py --layers=50 --precision=fp32 --batch_size=128

​结果分析： RTX4090显卡得益于新的架构和工艺制程




 




 




 




 




，性能相比RTX3090有40%-80%的提升   

   

   

   

   ，相比RTX 3080则提升更大（RTX3080为10GB显存版本     

     

     

     

     

，部分测试项目会提示显存容量不足）   

   

   

   

   。

- 8卡RTX 4090性能测试 测试任务

TensorFlow-1.15.5 : ResNet50 , fp32和fp16

测试8张RTX4090显卡TensorFlow FP32




 




 




 




 




、FP16性能




  




  




  




  




，使用NVIDIA官方NGC容器nvcr.io/nvidia/tensorflow:23.01-tf1-py3

命令示例：

mpiexec --allow-run-as-root --bind-to socket -np 8 python resnet.py …

​

结果分析： 在420GP-TNR平台下
  


  


  


  


  ， GPU多卡性能相对单卡总体性能有较大提升     
     
     
     
     
，由于pcie带宽限制和额外通信开销 




   




   




   




   




，总体未呈线性提升

 



 



 



 



 ，实际应用可依据具体环境优化代码                         ，多GPU性能加速比还有提升空间     

     

     

     

     

。

我们针对整机温度及功耗均做了相应的测试  




    




    




    




    




， SYS-420GP-TNR配备2000W 钛金级（2+2）冗余电源






















，其转化效率为96%                         ，可满足8卡GPU整机供电需求




  




  




  




  




。涡轮版RTX 4090强化了自身涡轮风扇散热   



     



     



     



     



，无需在机箱尾部外挂辅助风扇























，亦能有效的控制温度    
    
    
    
    ，保障持续稳定运行
  


  


  


  


  。（详细报告可关注公众号回复：4090领取）

测试总结

新一代RTX 4090显卡性能相比上一代RTX 30系列有了巨大提升    


     


     


     


     


，最高接近80%




 




 




 




 




，涡轮版RTX 4090显卡尺寸与30系列涡轮版对比变化不大   

   

   

   

   ，依旧与超微8卡GPU平台适配     

     

     

     

     

，搭配后可以提供强大的整机计算性能     
     
     
     
     
。

如需了解有关RTX 4090整机测试的更多信息




  




  




  




  




，可关注公众号[昊源诺信],回复4090即可获取详细测试报告
  


  


  


  


  ，也可访问：www.hynx.com.cn     
     
     
     
     
，或来电咨询【400-6997-916】~