2016-04-28 8 views
10

Posiadam komputer MacBook Pro 15 'Mid 2014 i myślę o zakupie procesora graficznego Titan X w celu przyspieszenia szkolenia z moich sieci neuronowych. Titan zostanie połączony poprzez Thunderbolt 2 jako zewnętrzny GPU.Zewnętrzna jednostka GPU do nauki maszynowej

Jakiego rodzaju wydajności można się spodziewać po tej konfiguracji - czy będzie taki sam, jak w przypadku połączenia z płytą główną? Czy piorun ogranicza prędkość GPU?

+0

Szybka aktualizacja: Skończyło się na kupowaniu stacjonarnego komputera z 2 Titan XP. Te 2 procesory graficzne stanowiły ponad 50% całkowitego kosztu komputera, więc nie zaoszczędziłbym zbyt dużo pieniędzy, jeśli podłączyłem je do zewnętrznych procesorów graficznych dla komputerów Mac, ale wydajność byłaby poważnie zagrożona. Jestem bardzo zadowolony z konfiguracji, łatwa w użyciu przez ssh. Jeśli kupujesz Titan XPs, to polecam iść na PC. Zewnętrzny procesor graficzny ma sens tylko w przypadku, gdy kupujesz pojedyncze, tanie GPU takie jak GTX 1060 (cała konfiguracja będzie wynosić około 350 GBP), w przeciwnym razie nie będzie to spowodowane pamięcią MAC i problemami z przepustowością + potrzeba ciągłego posiadania go przez cały czas. –

Odpowiedz

6

Niedawno połączyłem GTX 970 za pośrednictwem Thunderbolt 2 z moim komputerem MacBook Pro 13 Late 2013. Benchmarke GPU dały około 70% wydajności w porównaniu do użycia gniazda PCI-Express w moim biurku, ponieważ Thunderbolt 2 ogranicza PCI Prędkość przesyłu danych do X4 w porównaniu do x16 w aplikacji desktopowej.

Najtańszym sposobem na osiągnięcie tego jest użycie obudowy Akito 2, wyjęcie obudowy zewnętrznej i tylnej, aby zmieścić duży procesor graficzny, następnie można podłączyć normalny zasilacz ATX do karty graficznej i źródła zasilania stacji dokującej Akito . Musisz dostarczyć 75 watów do gniazda PCI-Express, aby móc korzystać z zewnętrznej karty graficznej, więc użycie zasilacza dostarczonego z urządzeniem Akito nie jest możliwe.

Istnieje wiele informacji w Internecie na temat zestawu Akito 2 Polecam spojrzeć.

10

Przesyłanie danych między procesorem i GPU jest kosztowne w uczeniu maszynowym i może okazać się prawdziwym wąskim gardłem. Używanie zewnętrznej karty graficznej będzie zatem miało znaczący wpływ na wydajność i zdecydowanie nie poleciłbym jej.

Zrobiłem trochę ML na 4-letnim MacBooku Pro i działało dobrze dla zbioru danych, nad którym pracowałem, jednak jeśli masz sporo chrupania, nie możesz pokonać komputera stacjonarnego z dobrym dedykowana karta graficzna.

Jeśli komputer stacjonarny jest niedostępny, można również rozważyć skorzystanie z usługi online, takiej jak Amazon EC2, która oferuje serwery z procesorami graficznymi.

Musisz także upewnić się, że struktura, z której korzystasz, obsługuje akcelerację GPU (nie wszystkie z nich) i że wzrost wydajności jest znaczny.