Nvidia GeForce GTX 1050/1060/1070/1080

注解

奔溃,没想到现在挖矿已经到了把显卡市场逼到绝路的地步了: 早已停产的2017年产品GTX 1050 Ti,在淘宝上二手都需要1000+,全新杂牌公版GTX 1050 Ti居然高达 1800 元。

我放弃了…

只能继续等待,或者购买二手的低端显卡,只要能满足虚拟化测试以及入门的机器学习实践…

目前结合 HPE ProLiant DL360 Gen9服务器 1U狭窄的安装空间,可能会选择 2016年 生产的 Nvidia Tesla P10 GPU运算卡

深度学习(TensorFlow)环境搭建:(一)硬件选购和主机组装 参考 Tim Dettmers 2017年4月的博客,列出了适合深度学习的GPU显卡:

  • GTX 1050 Ti: 入门学习,但没有很高技术要求,并且几乎没有钱的情况

  • GTX 1060(6GB): 入门学习,准备后续深入;有一些经费,同时寻求新价比的硬件

  • GTX 1070或GTX 1080: 需要深入研究深度学习,如自然语言处理

  • GTX 1080 Ti: 高性能但是昂贵,适合研究人员

  • GTX Titan X: 需要分析>250GB数据的工作

  • GTX Titan Xp: 整体性能最佳的GPU,价格昂贵

讽刺的是,上述对GPU的评价居然是2017年初,经过将近5年时光,2021年底, 挖矿芯片荒 竟然把显卡的价格推高到令人乍舌的地步,上述评测的显卡依然价格昂贵,甚至二手价格比当初全新售卖价格还要昂贵。

技术在进步,然而我们依然无法享受到GPU技术进步的红利,上述显卡的性价比在今天看来因为价格的扭曲而非常低落。

技术规格对比

参考