矿渣硅酸盐水泥(矿渣论坛)
矿渣硅酸盐水泥(矿渣论坛),本文通过数据整理汇集了矿渣硅酸盐水泥(矿渣论坛)相关信息，下面一起看看。
最近开始摆弄TensorFlow。训练时感觉CPU运行时间太长。我手里只有a卡，先配置比较麻烦，所以想买个n卡来运行。看了K40，K80等计算卡，参考nvidia官网GPU Compute Capability，最终因为垃圾人的本性，在黄海捡到了一张矿卡P104-100(号称矿版1070，计算能力6.1)。矿卡本身是4G内存，在魔变里可以用Bios和8G内存刷卡。690元的价格可以接受。只有一千兆字节。
粉丝版3，结果是MSI的低电量卡，被JS坑了。我在困境中含泪接受了。外观显示
P104具体参数，
GPU-Z显示刷bios后显存确实是8G。据说这个P104也可以像P106一样操作来玩游戏。我用它运行机器学习的时候没有试过，但是这些矿卡是PCIe 1X。也许游戏带宽是个问题。附上显卡bios，有需要的朋友可以用一下：8wx6。刷bios要小心。
安装tensorflow-gpu环境。我用anaconda安装tensorflow-gpu，简单给你介绍一下步骤。
下载anaconda，并选中在安装期间将Anaconda添加到我的Path环境变量中。
打开cmd并输入以下命令：
一个create-n tensor flow pip python=3.7遇到y/n就选y。
输入：激活张量流
使用国内源代码，在pip安装中输入以下命令：
pip install-default-time out=100-ignore-installed-upgrade tensor flow-GPU==2 . 0 . 1-I
下载安装cuda 10.0和cudnn。解压缩cuDNN。将三个文件夹下的解压文件放入对应的CUDA文件夹中。安装cuda 10.1时有些文件需要重命名。
在“我的电脑-管理-高级设置-环境变量”中找到路径，添加以下环境变量(cuda使用默认安装路径):
c:程序文件NVIDIA GPU计算工具kitCUDAv10.0bin
c:程序文件NVIDIA GPU计算工具kitCUDAv10.0libnvvp
c:程序文件NVIDIA GPU计算工具kitCUDAv10.0lib
c:程序文件NVIDIA GPU计算工具kitcudav 10.0包括
验证安装结果
打开cmd并输入以下命令：
activatetensorflow
再次输入：
大蟒
再次输入：
importtensorflow
不会引发异常来证明安装成功。
性能测试因为我的机器没有核显，所以平时除了P104还要插另外一个显卡。于是又买了一个2070超级官网显示计算能力：7.5。既然买了，那就来看看这个有计算能力的矿卡p 104 PK:6.1！
2070超级参数
下面开始测试对比。
统一运行环境win10，cuda 10.0，tensorflow-gpu2.1，Anaconda3-2020.02-Windows，Python3.7.7
1.先运行tensorflow网站的“Hello World”。
2070超级
I tensor flow/core/common _ runtime/gpu/GPU _ device . cc:1304]createdtensor flow设备(/job:localhost/replica:0/task:0/device:GPU:0，6283内存)-物理GPU(设备：0，名称：GeForce RTX 2070 SUPER，pci busid: 0000:65:00.0，计算能力：7.5)
对60000个样本进行训练
纪元1/5
60000/60000[=============================]-7s 117 us/sample-损耗：0.2996 -精度：0.9123
纪元2/5
60000/60000[=============================]-6s 99us/sample-损耗：0.1448 -精度：0.9569
纪元3/5
60000/60000[=============================]-5s 85us/sample-损耗：0.1068 -精度：0.9682
纪元4/5
60000/60000[=============================]-6s 101 us/sample-损耗：0.0867 -精度：0.9727
纪元5/5
60000/60000[=============================]-6s 96us/sample-损耗：0.0731 -精度：0.9766
P104-100
I tensor flow/core/common _ runtime/gpu/GPU _ device . cc:1304]createdtensor flow设备(/job:localhost/replica:0/task:0/device:GPU:0，7482内存)-物理GPU(设备：0，名称：P104-100，pci总线id:0000:07:00.0，计算能力：6.1)
对60000个样本进行训练
纪元1/5
60000/60000[=============================]-4s 68us/sample-损耗：0.2957 -精度：0.9143
纪元2/5
60000/60000[============================]-3s 56us/sample-损耗：0.1445 -精度：0.9569
纪元3/5
60000/60000[============================]-3s 58us/sample-损耗：0.1087 -精度：0.9668
纪元4/5
60000/60000[=============================]-3s 57us/sample-损耗：0.0898 -精度：0.9720
纪元5/5
60000/60000[============================]-3s 58us/sample-损耗：0.0751 -精度：0.9764
P104运行时使用7482 MB内存，2070超级使用6283兆字节内存都是8G卡，可能2070超级需要同时负责显示画面，所以需保留些显存供使用。
对比测试一跑完我就哭了104页每个世用时3s 58，2070超级每个世用时几乎7s .P104比2070超级快了几乎2S。我的2070超级，白买了。我要去退掉。
2、接着跑克拉斯官方文档内的用于文本分类的1DCNN
文档显示，本相测试对照耗时
90年代/epochon英特尔i5 2.4Ghz CPU .特斯拉K40 GPU上10秒/纪元.
2070超级
纪元1/5
25000/25000[=============================]-10s 418美制/步损：0.4080 -精度：0.7949-val _ loss:0.3058-val _精度：0.8718
纪元2/5
25000/25000[=============================]-8s 338美制/步损：0.2318-精度：0.9061-val _ loss:0.2809-val _精度：0.8816
纪元3/5
25000/25000[============================]-9s 349美制/步损：0.1663 -精度：0.9359-val _ loss:0.2596-val _精度：0.8936
纪元4/5
25000/25000[============================]-9s 341美制/步损：0.1094 -精度：0.9607-瓦尔_损失：0.3009-瓦尔_精度：0.8897
纪元5/5
25000/25000[============================]-9s 341美制/步损：0.0752 -精度：0.9736-val _ loss:0.3365-val _精度：0.8871
P104-100
纪元1/5
25000/25000[=============================]-8s 338美制/步损：0.4059 -精度：0.7972-瓦尔_损失：0.2898-瓦尔_精度：0.8772
纪元2/5
25000/25000[============================]-7s 285美制/步损：0.2372 -精度：0.9038-val _ loss:0.2625-val _精度：0.8896
纪元3/5
25000/25000[=============================]-7s 286美制/步损：0.1665 -精度：0.9357-val _ loss:0.3274-val _精度：0.8701
纪元4/5
25000/25000[=============================]-7s 286美制/步损：0.1142 -精度：0.9591-val _ loss:0.3090-val _精度：0.8854
纪元5/5
25000/25000[=============================]-7s 286美制/步损：0.0728 -精度：0.9747-val _ loss:0.3560-val _精度：0.8843
还是矿卡P104最快，两卡都比特斯拉40快。
3、最后测试在MNIST数据集上训练辅助分类器甘(ACGAN).
网页显示运行每纪元耗时，硬件后端时间/时期
CPU TF小时
泰坦x(麦克斯韦)TF分钟
泰坦x(麦克斯韦)TH 7分钟
跑了5个时代测试结果如下：
2070超级
纪元1/5
600/600[=========================]-45s 75 ms/步
纪元一的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 0.76| 0.4153 | 0.3464
发电机（测试)| 1.16| 1.0505 | 0.1067
鉴别器（火车)| 0.68| 0.2566 | 0.4189
鉴别器（测试)| 0.74| 0.5961 | 0.1414
纪元2/5
600/600[=========================]-37s 62 ms/步
纪元2的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 1.05| 0.9965 | 0.0501
发电机（测试)| 0.73| 0.7147 | 0.0117
鉴别器（火车)| 0.85| 0.6851 | 0.1644
鉴别器（测试)| 0.75| 0.6933 | 0.0553
纪元3/5
600/600[=========================]-38s 64 ms/步
纪元3的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 0.84| 0.8246 | 0.0174
发电机（测试)| 0.67| 0.6645 | 0.0030
鉴别器（火车)| 0.82| 0.7042 | 0.1158
鉴别器（测试)| 0.77| 0.7279 | 0.0374
纪元4/5
600/600[==========================]-38s 63 ms/步
纪元四的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 0.81| 0.7989 | 0.0107
发电机（测试)| 0.66| 0.6604 | 0.0026
鉴别器（火车)| 0.80| 0.7068 | 0.0938
鉴别器（测试)| 0.74| 0.7047 | 0.0303
纪元5/5
600/600[==========================]-38s 64 ms/步
纪元5的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 0.80| 0.7890 | 0.0083
发电机（测试)| 0.64| 0.6388 | 0.0021
鉴别器（火车)| 0.79| 0.7049 | 0.0807
鉴别器（测试)| 0.73| 0.7056 | 0.0266
P104-100
纪元1/5
600/600[=========================]-63s 105 ms/步
纪元一的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 0.79| 0.4320 | 0.3590
发电机（测试)| 0.88| 0.8000 | 0.0802
鉴别器（火车)| 0.68| 0.2604 | 0.4182
鉴别器（测试)| 0.72| 0.5822 | 0.1380
纪元2/5
600/600[=========================]-59s 98ms/步
纪元2的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 1.02| 0.9747 | 0.0450
发电机（测试)| 0.79| 0.7753 | 0.0165
鉴别器（火车)| 0.85| 0.6859 | 0.1629
鉴别器（测试)| 0.77| 0.7168 | 0.0576
纪元3/5
600/600[=========================]-59s 98ms/步
纪元3的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 0.84| 0.8263 | 0.0170
发电机（测试)| 0.64| 0.6360 | 0.0042
鉴别器（火车)| 0.82| 0.7062 | 0.1157
鉴别器（测试)| 0.77| 0.7353 | 0.0384
纪元4/5
600/600[==========================]-58s 97 ms/步
纪元四的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 0.82| 0.8036 | 0.0115
发电机（测试)| 0.69| 0.6850 | 0.0019
鉴别器（火车)| 0.80| 0.7054 | 0.0933
鉴别器（测试)| 0.75| 0.7165 | 0.0301
纪元5/5
600/600[==========================]-58s 97 ms/步
纪元5的测试：
组件|损耗|发电_损耗|辅助_损耗
-
发电机（火车)| 0.80| 0.7904 | 0.0087
发电机（测试)| 0.64| 0.6400 | 0.0028
鉴别器（火车)| 0.79| 0.7046 | 0.0806
鉴别器（测试)| 0.74| 0.7152 | 0.0272
这回2070超级终于耗时比P104-100少了。这张新卡暂时不用退了。
总结如果个人学习使用，矿卡P104-100魔改8G版本性价比不错，可以购买。
本站是提供个人知识管理的网络存储空间，所有内容均由用户发布，不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息，谨防诈骗。如发现有害或侵权内容，请点击一键举报。
更多矿渣硅酸盐水泥(矿渣论坛)相关信息请关注本站，本文仅仅做为展示！
