NVIDIA GeForce RTX 2080 Ti パフォーマンステスト

まずは2080 Tiの製品外観を見てみましょう。

この部分については詳しく説明しませんので、写真だけ見てください。私たちが入手したのは、GIGABYTE の非公開バージョンのカードです。具体的な製品モデルは、GIGABYTE GeForce RTX 2080 Ti Windforce OC 11G です。

さて、この製品の実際の写真をいくつか見て、1080 Ti と比較してみましょう。 (明確にするために、1080 Ti は Cortex Labs がディープラーニングに使用している MSI 1080 Ti ターボファンです。具体的な製品モデルは MSI GeForce GTX 1080 Ti AERO 11G OC です)

（2080Ti外装）

（1080 Tiと2080 Tiの実写正面比較）

（1080 Tiと2080 Tiの実際の厚さ比較）

（詳細なパラメータはGIGABYTE公式サイトより）

製品を確認した後は、テスト環境を準備する必要があります。

テストプラットフォームとして、オフィスで利用可能な SuperMicro SuperServer 4028GR-TR 機械学習サーバーを使用しました。サーバーの基本構成は次のとおりです。

マザーボード: Super X10DRG-O+-CPU

CPU: Intel® Xeon® プロセッサー E5-2600 v4†/ v3 ファミリー (最大 160W TDP) *

デュアルソケット R3 (LGA 2011)

メモリ: 2400 MHZ DDR4 SDRAM 72 ビット

システム: Linux Ubuntu 18.04

次に、テストされたマイニング アルゴリズムについて説明します。

一般的に、マイニングパフォーマンステストに GPU を使用する場合、主な選択肢は ETH の Ethash アルゴリズムまたは ZEC の Equihash アルゴリズムです。しかし、この2つのアルゴリズムに対応したASICマイニングマシンを開発し、量産しているマイニングマシンメーカーも存在します。ただし、Ethash アルゴリズムによるビデオ メモリの需要が比較的高いため、Ethash ASIC マイナーは GPU マイニングに大きな影響を与えませんが、Equihash ASIC マイナーは GPU マイニング (A9、Z9 mini などのマシン) に大きな影響を与えます。したがって、ここではテストに ETH の Ethash アルゴリズムを選択します。

最後に、マイニングソフトウェアの選択について紹介します。

私たちは当初、マイナーにとって比較的馴染みのある Claymore マイニング ソフトウェアをテスト用に選択しました。しかし、実際のテストでは、Claymore はまだ 2080Ti に完全に適応していません。最終的に、マイニング ソフトウェアとして EthMiner を選択しました。

準備は全て完了しました。両方のグラフィック カードをサーバーに正式にインストールし、ドライバーをインストールしました。

1080 Tiのドライバーバージョンは、NVIDIA-Linux-x86_64-390.87.runです。

2080 Tiのドライバーバージョンは、NVIDIA-Linux-x86_64-410.57.runです。

（1080 Tiと2080 Tiはすでにインストール済み）

エキサイティングな瞬間がもうすぐやって来ます！ ！ ！

起動後、両方のカード ドライバーが正常であることがわかります。

(LinuxシステムでGPU情報を確認すると、表示される情報が不完全です)

（完全な情報が記載された別の写真）

EthMiner を実行すると、両方のカードがスムーズにマイニングし、ローカルのコンピューティング能力を発揮できます。安定したらスクリーンショットを撮ります。

(GPU0は2080Ti、GPU1は1080Ti)

図から、どちらもオーバークロックされていない場合、Ethash アルゴリズムでの 2 つのグラフィック カードの計算能力パフォーマンスは次のようになることがわかります。

1080 Ti ハッシュレート: 32.46 MH/s 消費電力: 212W

2080 Ti ハッシュレート: 50.90 MH/s 消費電力: 257W

ここでも、1080 Ti と比較した 2080 Ti の改善が非常に明白であり、Ethash アルゴリズムによる計算能力が 56.8% 増加していることがわかります。消費電力はわずか21.2%増加しました。

しかし、過去に1080 Tiをマイニングに使用していたときには、1080 Tiの計算能力を最適化するツールが実際にたくさんありました。現在、2080 Ti 用の同様のプログラムはありません。一般的に使用されているソフトウェアを使用して 1080 Ti の計算能力を最適化し、その差がどの程度になるかを確認します。

（1080 Tiコンピューティングパワー最適化ツールを使用した後、 2つのグラフィックカードのコンピューティングパワーパフォーマンス）

最適化ツールをオンにすると、GPU1 (つまり 1080 Ti) の計算能力が 32.46 MH/s から 45.19 MH/s に 12.73 MH/s 増加したことがわかります。ただし、この最適化ツールは 2080 Ti には最適化効果がありません。その結果、Ethash アルゴリズムにおける 1080 Ti と 2080 Ti の計算能力の差はわずか 5.7 MH/s 程度になります。

ここまでテストした後、2080 Ti のパフォーマンス向上はこれだけなのかと不満を言う人もいるかもしれません。

実際にはそうではありません。結局、1080 Ti の製品サイクルは終了しました。長年にわたる努力の末、数え切れないほどの人々が繰り返しこの製品を改良し、最適化してきました。しかし、2080 Ti を手に入れた人、ましてや最適化した人は、まだ多くありません。今回のテストでの最終的な差はそれほど大きくはありませんが、これは「極限まで最適化された前世代の製品」と「完全にオリジナルの新製品」の間の競争であり、Ethash アルゴリズムでのパフォーマンスのみです。したがって、このデータ テストは、現時点での特定のアルゴリズムに対する参考値のみです。

運用チームがマイニング パフォーマンスのテストを終えると、AI チームはサーバー上で機械学習タスクの展開をすぐに開始することができました。最速の速度では、サーバー上で次の操作が実装されました (説明は AI 研究開発の友人から提供されたものです)。cifar10 データセットでは、画像分類タスクに resnet50 が使用されました (10 カテゴリ、画像サイズは (224, 224) にサイズ変更されました)。最新の cuda 10.0 + pytorch 0.4.1 + cuDNN 7.3 環境で、2080ti および 1080ti グラフィック カードのトレーニングと推論がそれぞれテストされました。テスト結果は次のとおりです。

(1080 Ti 実行中)

（1080 Tiのトレーニング時間は約280.66秒、推論時間は約18.54秒）

(2080 Ti 実行中)

（2080 Tiのトレーニング時間は約235.30秒、推論時間は約17.12秒）

上記のテストを通じて、2080 Ti では 1080 Ti と比較してトレーニング時間が 16.16%、推論時間が 7.7% 短縮されたことがわかりました。

ただし、既存のソフトウェアのサポートが十分に成熟していないことを考慮すると、今回の結果はあくまでも予備的な参考値にすぎません。この結果に私たちは失望しました。もちろん、今後はさらに徹底したテストを実施し、開発チームのテスト進捗状況をコミュニティ全体のパートナーと共有していきます。