GeForce RTX 3090深度学习测评

环境踩坑

八卡GeForce RTX 3090+Pytorch1.7+cuda11.1+对应cudnnpytorch 1.7以下版本无法对显卡写入数据tensorflow未尝试 据别的文章说只有nightly支持驱动如下：

NVIDIA-SMI 455.23.05 Driver Version: 455.23.05 CUDA Version: 11.1

环境是conda直接安装

测试速度

用一台8卡2080Ti的服务器作对比，除了环境以外代码和数据集相同。用脉冲残差神经网络，spike-ResNet18做对比（这个网络非常吃显存，可以把8卡2080Ti跑满）采用分布式学习

2080Ti 19分48s跑了849个batch，每个batch是20个样本（8*20=160）

3090 19分23s跑了799个batch，每个batch是20个样本（8*20=160）

【待更新，等跑几个epoch回来】

结论

3090的速度受到环境限制可能未必能超过之前的中高端显卡一个潜在的可能性是我使用的实验环境上，两台服务器的架构不太一样，2080Ti服务器多卡通讯效率更高一些师兄的实验：单卡3090甚至也比2080Ti更慢一些进一步怀疑是不是因为编程框架太新优化不够好，CUDA的测例网上已经有很多，都认为3090快得多更进一步怀疑是不是散热的问题，tf的实验还有待更新