NVIDIA显卡Ai算力大年夜比拼想画Ai女友该怎么选？_显卡_显存
在探展的过程中，深感如今的Ai算力市场的空前热度，随着GPT的爆火，每个企业、组织、个人都看到了利用Ai来提升生产效率的可能，这个中，以Ai绘画为代表正在快速席卷着设计、绘画、动漫行业，个人用户也可以通过stablediffusion等引擎来演习自己的Ai人物形象或者设计物品。而stablediffusion依赖的正是本地显卡算力，以是如果想要拥有快速、精准的Ai图像天生，一张算力强劲的显卡是必不可少的。
最近，RTX4070发布，早就听闻RTX40系在Ai算力上的提升，以是问DIY大佬借了20系到40系的主流显卡，来让它们西岳论剑，看看谁在Ai绘画上的能力更强。
Ai作品
首先先容一下出战的选手们，老当益壮组的20系显卡：RTX2070、RTX2070S、RTX2080。正值壮年的30系显卡：RTX3050、RTX306012GB、RTX3060Ti、RTX3070 、RTX3070Ti、RTX3080、RTX3080Ti、RTX3090Ti。青春无限的40系显卡：RTX4070、RTX4070Ti、RTX4080、RTX4090。
赛前首先是选手们的身份信息大公布：
对付本次的Ai绘画能力对决，差异选手们的紧张点是显卡的架构、CUDA核心数量、显存与Tensor核心。个中Tensor核心是NVIDIA部分显卡中专门用于加速深度学习任务的处理单元。Tensor核心针对深度学习中的矩阵运算进行了优化，能够显著提高神经网络模型的演习和推理速率。在后续的比拟中，我们也能看出Tensor核心的代数与核心数与成绩的关系。
第一代Tensor核心首次涌如今Volta架构显卡中，针对稠浊精度矩阵乘法进行优化。第二代Tensor核心引入Turing架构显卡，增加了对INT8和INT4整数精度的支持，并引入了RT核心用于实时光芒追踪打算。第三代Tensor核心涌如今Ampere架构显卡，提高了FP16稠浊精度矩阵乘法的FLOPs，并支持稀疏性打算。
而第四代Tensor核心随着RTX40系的发布而更新，在全新的NVIDIAAda架构中，通过引入DLSS技能和OpticalFlowAccelerator等新技能，为Ai供应了显著的性能提升。并通过TensorCores加速器（专门用于深度学习任务的硬件加速器）大幅提高深度学习模型演习和推理性能，并且支持FP16、BF16和TF32精度。此外，AdaGPU架构还支持CUDA-XAI软件库，这是一套用于加速AI运用的软件工具包。CUDA-XAI包括TensorRT、cuDNN、cuBLAS等组件，可以提高深度学习推理性能和演习速率。
好的，大略先容完参战选手们的基本信息，就来到本次比赛的第一关，根本性能参数比拟，将由“AIDA64GPGPU”考官出题，稽核选手们的综合实力。想看Ai美女的不雅观众先别急，先放出一张美女垫胃口。
stablediffusionAi绘画；来自RTX2080显卡，10241024分辨率，单张耗时：1.14分钟
第一道题是Single-Precision，这个测试项目评估显卡在单精度浮点数运算（32位浮点数）上的性能，单精度浮点数常日用于表示小数，以GFLOPS为单位，其表示每秒千亿次浮点运算。
第二道题是Double-Precision，评估显卡处理另一种称为\公众双精度浮点数\公众的数据时的打算能力。双精度浮点数比单精度浮点数更精确，常用于科学打算等哀求高精度的场景。以GFLOPS为单位，其表示每秒千亿次浮点运算。
第三道题是24-BitInteger，这个测试项目评估显卡在24位整数运算上的性能。整数是没有小数部分的数字，如1、2、3等。以GFLOPS为单位，其表示每秒千亿次浮点运算。IOPS表示每秒整数运算次数，GIOPS表示每秒千亿次整数运算（GigaIOPS），以GIOPS为单位。
第四道题和第五道题分别是32-BitInteger、64-BitInteger，聪明的小伙伴都知道这是跟上面24-BitInteger是一组组合题，稽核显卡32位整数运算、64位整数运算能力。
第六题是AES-256打算能力，评估显卡处理一种名为AES-256的加密任务时的性能。加密是为了保护数据安全而对数据进行编码的过程。
第七题是SHA-1Hash编码能力，这个可能很多玩家都比较熟习，这便是挖矿佬喜好的哈希算力，哈希算法是一种将数据转换成固定长度的唯一字符串的过程，常日用于校验数据完全性和安全运用，常用于区块链运用中。
第八题是Single-Precisionjulia，这个测试项目评估显卡在渲染单精度Julia分形图像时的性能。Julia分形是一种繁芜数学工具，须要大量打算资源进行渲染。测试结果以FPS表示。
末了一题便是Double-PrecisionMandel；双精度Mandelbrot分形渲染，评估显卡渲染一种名为Mandelbrot分形的繁芜数学图形时的性能。类似于Julia分形渲染，但利用更高精度的数据进行打算。
对付AIDA64GPGPU的测试，我们可以看出，除了顶级的RTX4090外，剩下显卡之间都存在着明显的递进关系，等级森严，与售价与定位严格挂钩，此外，数据测试仅能作为Ai制图的一个参考项目，旨在比拟不同显卡之间的数据。
参战选手的首发价格比拟
接下来就进入正式的Ai绘画环节，首先是画NVIDIA官方指定的小房子，看看效果。画图的参数是：利用v2-1768-emapruned模型；768768的尺寸；Steps:50；CFGscale:7.5，共画10组，每组2张。
Ai作品
Ai作品
从测试结果来看，各位参战选手的Ai绘画表现与他们在AIDA64GPGPU中的各项考试表现类似，柱状图的分布险些同等，个中低于5张/min的选手有RTX2070、RTX3050、RTX3060，虽然RTX3060配有12GB的大显存，但在Ai画图所须要的高算力面前还是只能心悦诚服，112核心的第三代Tensor没能让它在Ai画图中连续“甜品”下去。
而超过了精良水平10张/min的选手就比较多了，RTX3080Ti、RTX3090Ti、RTX4070Ti、RTX4080、RTX4090，以及两个9张/min的差点成为精良水平的RTX3080和RTX4070，这两位选手的用时险些同等，但RTX4070只搭载了184核心的第四代Tensor，而RTX3080则是利用了272核心的第三代Tensor，这33%的核心数差距，便是通过技能迭代来填补的。
接下来看一下选手们在画NVIDIA小屋时的显存占用情形，为了方便比赛公正起见，我们按照显存容量进行了分组：
8GB显存组
12GB显存组
其他显存组
整体表现情形
通过图表与数据情形可知，在画NVIDIA小屋的时候，面对768768分辨率的Ai画图情形，显卡的显存普遍占用都在8GB旁边，如果只是搭载了8GB显存的显卡，就会有跑满的风险，从而拖累运算速率。
接下来便是大家期待的画Ai小姐姐，在画小姐姐的选择上，我们利用了chilloutmixNiPrunedFp32Fix模型，匹配3个不同的LORA人体素材库，调度了各素材的比重，终极绘制出独一无二的小姐姐，单幅尺寸为10241024，一组5张。
首先来欣赏一下小姐姐的仙颜：
stablediffusionAi绘画
stablediffusionAi绘画
stablediffusionAi绘画
stablediffusionAi绘画
stablediffusionAi绘画
详细的Prompt以及模型配置如图，喜好的小伙伴可以直接Copy，把小姐姐带回家
由于画小姐姐的模型和配置以及尺寸较大，对各位选手也造成了巨大的磨练，就连算力最为强劲的RTX4090，也只保持不到3张每分钟的成绩，可见对付画高清人像来说，游戏显卡还是有着较高的压力，来看一下各位选手们的成绩吧。
面对巨大的算力寻衅，各位参赛选手涌现了明显的性能急急，不少选手们的绘画韶光只能保持在一分钟一张旁边，而特殊出色的旗舰选手们才能碰到2张每分钟的门槛。乃至还有的选手（RTX3050）只能坚持2分钟画一张的水平。
在画NVIDIA小屋时旗鼓相当的RTX3080和RTX4070终于在这轮拉开了差距，RTX3080以近20%的实力差距绝杀了RTX4070，也以10%的上风超过了RTX4070Ti，稳住了80显卡的肃静与威望。
而在显存占用上，NVIDIA小屋比赛时还有能漏网之鱼的8GB显存组，在本轮测试中，无一例外，全部显存跑满，集体涌现显存不敷的情形。
在12GB显存组选手中，虽然没有跑满显存，但是在RTX40系显卡中也涌现了显存急急的情形，RTX40系两兄弟显存都被Ai吃掉了95%旁边。
与RTX3090Ti同样利用24GB显存的RTX4090，在Ai画图时就比前者多占用了17%旁边的显存空间，让Ai引擎吃到了17GB旁边的显存空间，合营一骑绝尘的512核心第四代Tensor核心，无疑问鼎了本次Ai绘画算力比拟之巅。
整体表现情形
显卡Ai绘图最大功耗一览
显卡能耗比情形一览
总结：显卡与AI绘画的关系就像是画家的手与画笔之间的紧密合营，在这个关系中，显卡是高效处理大量并行打算任务的关键硬件，而AI绘画则是依赖显卡强大打算能力实现的一种前辈的艺术形式。AI绘画技能常日采取天生对抗网络（GANs）或变分自编码器（VAEs）等深度学习模型来天生具有特定风格或特色的图像。而显卡也已经从纯挚的图像处理器，逐渐演化成了繁芜的打算平台。二者相辅相成，相互促进Ai天生、深度学习、显卡领域的不断发展，成为硬件市场上为数不多仍旧抖擞活力的领域。
Ai算力做事器-Ai绘画
在本期的【AI时候】中，我们对15款NVIDIA显卡的stablediffusionAI绘画能力进行了深入评测。从测试结果中，我们明显看到显卡在AI和深度学习算力上的持续进步。尤其是在RTX40系列显卡中，得益于全新的架构和更加前辈的Tensor核心技能，使得RTX4070不仅能与前代RTX3080在AI算力上一较高下，同时在保持中上游AI性能的情形下，功耗更加优胜。
因此，如果你对AI打算（如画AI小姐姐）感兴趣，并希望拥有一款性能与功耗兼顾的显卡，那么RTX4070无疑是一个空想的选择。而如果你打算通过游戏显卡（由于各种缘故原由，NVIDIAA100/H100难以购买）来搭建一个小型AI做事器，那么选择多张RTX4090则毫无疑问是最佳方案。无论是从性能、功耗还是扩展性的角度，RTX40系列显卡为游戏玩家、AI领域的开拓者供应了更多可能性，展示了显卡技能在未来的发展潜力。
本文系作者个人观点，不代表本站立场，转载请注明出处！
