Evaluation

HPCDIY-ERMGPU8R4S（こちら）に GeForce RTX 4090 を 2 枚実装して、nvidia-smi と deviceQuery を実行してみました。

GeForce RTX 4090 ２台がテスト用に入荷してきたので、HPCDIY-ERMGPU8R4S に GeForce RTX 4090 を 2 枚実装して、gpu_burnを実行して、最大温度がどの程度のものか調べてみました。

HPCDIY-ERMGPU8R4S（こちら）に A6000 を 8 枚実装して、nvidia-smi と deviceQuery を実行してみました。

A6000を1, 2, 4, 8 GPU 使い、batch size を64, 128, 256, 512, 1024 と変化させてtf_cnn_benchmarks での学習速度を計測しました。

modelは、resnet50, inception3, vgg16, nasnet, resnet152, inception4です。

fp16とfp32の学習速度を計測しました。

GeForce RTX 3090を1, 2, 4, 8 GPU 使い、batch size を64, 128, 256, 512と変化させてtf_cnn_benchmarks での学習速度を計測しました。

modelは、resnet50, inception3, vgg16, nasnet, resnet152, inception4です。

fp16とfp32の学習速度を計測しました。

GeForceでは最強のRTX 3090と、NVIDIA RTX A6000とは価格差はかなりありますが（2021年7月12日現在、¥329,220 vs ¥589,850,

お値引前の消費税抜き当サイト価格）、性能差はどの程度なのか、8GPU並列までの性能を、tf_cnn_benchmarksを使って比較してみました。

再計測（NGCのtensorflow:20.10-tf1-py3使用）GeForce RTX 3090 の Deep Learning 学習での性能評価のため、HPCDIY-ERM1GPU4TS に４枚実装して、tensorflow で tf_cnn_benchmarks.py（ダウンロートはこちら）を実行してみました。

前回（こちら）より良い成績になりました。

CPU: AMD EPYC Rome 7252 DP/UP 8C/16T 3.1G 64M 120W, Memory: 128GB, SSD: NVMe M.2 512GB

NVIDIA Driver: 455.32.00

TensorFlow: nvcr.io/nvidia/tensorflow:20.10-tf1-py3

NVIDIA A100 PCIe 40GB の Deep Learning 学習での性能評価のため、HPCDIY-ERMGPU8R4S に2枚実装して、tensorflow で tf_cnn_benchmarks.py（ダウンロートはこちら）を実行してみました。

CPU: 2x AMD EPYC Rome 7302 DP/UP 16C/32T 3.0G 128M 155W, Memory: 512GB, SSD: NVMe U.2 1.92TB

NVIDIA Driver: 455.32.00

TensorFlow: nvcr.io/nvidia/tensorflow:20.10-tf1-py3

HPCDIY-ERMGPU8R4S（こちら）にGeForce NVIDIA A100 PCIe 40GB を枚実装し、gpu_burn（こちら）を実行して、消費電力と温度が定常状態になるまでを nvidia-smi -l で監視してみました。

HPCDIY-ERMGPU8R4S（こちら）に NVIDIA A100 を 2 枚実装して、nvidia-smi と deviceQuery を実行してみました。