2024年2月19日发(作者：)

影响显卡性能的重要参数

自从AlphaGo的人机大战开始，人工智能热在国内持续升温。近日，国家正式发布了《新一代人工智能发展规划》（以下简称《规划》）。可以说，国家层面上的高度重视，各大高科技企业加速布局，中国的人工智能发展已经迎来了史上最好的机遇期。AI 背后的硬件要求也越来越高，GPU服务器的应用越来越火热。而在GPU服务器中，显卡的作用毋庸置疑。显卡图形芯片供应商主要包括AMD(超微半导体)和Nvidia(英伟达)2家,今天我们就NVIDIA的显卡来分析一下影响显卡性能的参数。

英伟达显卡分为三个系列，面向大众的 Geforce系列，面向工业图形设计的Quadro系列，面向科学计算的Tesla系列。Geforce系列由于面向大众，要和AMD的显卡竞争，所以性价比最高，单从性能上看甚至不输Tesla系列，但可能耐久性等其他方面不及Tesla。

用来计算的话，衡量性能主要是以下几个参数：

1、计算核心数目；

2、显存带宽（GPU计算能力太强，很多时候瓶颈都在数据传输上）

3、峰值单精度浮点计算能力；

4、峰值双精度浮点计算能力；

5、架构版本

一．计算核心数目

CUDA核心数量则决定了显卡的计算力的强弱（比如一项渲染任务可以拆分为更多份交由不同的CUDA核心进行处理）。一个特定计算量的任务，如果核心的数目越多，那么单位时间内执行的运算就越多，所以完成这个任务所花费的时间就越少，显然计算速度就越快。就好比10份外卖，10个人送，1个小时内就能送完，但一个人送，一个小时内可能只能送2~3份，显然单位时间内10

个人要比一个人送的外卖更多。

但是如果不同的显卡的核心速度不同，那么核心多的不一定就比核心少的花费的计算时间少。再举个例子，同样是10份外卖， 5个人步行送10份外卖所花费的时间不一定少于一个人开车送10份外卖所用的时间。

二．显存带宽

显存带宽通常显存的吞吐能力，计算方式为：

显存带宽＝显存频率X显存位宽/8

存频率指默认情况下，该显存在显卡上工作时的频率，即显存的数据传输速度。通常来说，核多只能说明计算能力可能会更强，但是如果访存速度跟不上，也是白搭。就比如有10个人等着送外卖，但是每次只能做好5份外卖，那剩余

的5个人就闲着，虽然你的任务总量很大，但是没用，你的传输性能太低，这样，即使有100个人等着送外卖也没用，除了5个干活的，别的都在闲着，处理速度也不会相差很大。

显存位宽是显存在一个时钟周期内所能传送数据的位数，位数越大则相同频率下所能传输的数据量越大。就像一个单行道的马路和一个八车道的高速公路，车道越多，单位时间内可通行的车辆越多。它代表显存的数据传输速度。在显存频率相当的情况下，显存位宽将决定显存带宽的大小。比如说同样显存频率为500MHz的128位和256位显存，那么它俩的显存带宽将分别为：128位：500MHz*128∕8=8GB/s，而256位：500MHz*256∕8=16GB/s，是128位的2倍，可见显存位宽在显存数据中的重要性。

但要注意，显存位宽越大，有一个非常明显的，或者说很不好的缺点，就是显卡的发热量也越大。往往显存位宽越大的显卡，它在最高功率运行时，温度也越高的原因就在这里，比如一块显存位宽达到384位的显卡，和一块显存位宽只有256位的显卡，同样在夏天，256位显卡的最高温度可能只有90度，但384度显位显卡的温度就要突破100度。因此大显存位宽的显卡，散热很重要，否则对显卡的寿命会造成影响。

三．浮点计算能力

在计算机中实数的表达是采用浮点表示法，类似科学计数法，浮点数利用

指数使小数点的位置可以根据需要而上下浮动，从而可以灵活地表达更大范围的实数

其实所谓的浮点就是float的意思，在实际程序设计之中其是一种数据类型也就是小数，而浮点运算完成的操作就是小数的运算（即在程序设计中，浮点运算=小数运算）。为什么在显卡之中我们如此强调浮点运算呢？这是有原因的，因为实际之上不规则图形的绘制需要使用到浮点，而这种基本的绘制是现在很多图元绘制的基础。

单双精度浮点运算只是一种数据运算精度，并不是什么实现数学运算过程的方法或者结构，它不是衡量显卡的性能唯一标准，不能代表通用计算本身，单双精度的差别主要计算效率，存储空间和精度的差别。

计算效率

存储空间

精度

单精度

每次计算4个字节

双精度

每次计算8个字节

占32位内存空间 占64位内存空间

表示3.4x10^–38～3.4x10^+38的任意实数

表示1.7x10^–308～1.7x10^+308 的任意实数

从表格中我们可以看出，单精度计算速度比双精度更快而且只占用双精度一半的内存空间。双精度数值运算速度较慢，但表示范围更大更精确，一般只用于科学计算，是GPU进入HPC领域的基础。

简单的说，例如GPU要计算某个颜色的值（RGBa），就要用到浮点运算。一般在普通的图形运算中，32位单精度甚至16位半精度已经够用了。但是随着

对精准效果的追求和通用运算的需求，出现了许多对精度要求极高的情况，例如解微分方程等。在这些情景中，如果精度不足，会使误差逐渐积累，导致最后的结果和精确结果相差太大，所以需要使用双精度甚至更高精度才能获得可靠的结果。高精度的运算必然导致运算速度的下降，但对于一些专业卡来说，使用者往往对运算结果的要求很高，如在物理模拟中，单精度运算很可能导致模型偏差很大，所以此时就对GPU的双精度运算能力提出了更高的要求

四．显卡架构

简单一些就是显示芯片各种处理单元的组成和工作模式，在参数相同的情况下，架构越先进，效率就越高，性能也就越强。

N卡的架构发展：Tesla Fermi Kepler Maxwell Pascal

Volta

如今Pascal还未显出颓势，在今年GTC 2017主题演讲上，NVIDIA CEO黄仁勋发布了Volta架构显卡，新一轮升级又要来了。

以上就是影响显卡性能的几个重要参数，了解各个参数的作用，有助于我们在选择显卡时，根据自己的实际应用，选择最合适的显卡。