Tim Dettmers的最新测评结果，深度学习该选什么显卡？

深度学习是一个对算力要求很高的领域，GPU的选择将从根本上决定你的深度学习体验。如果没有GPU，可能你完成整个实验需要几个月，甚至当你只想看看参数调整、模型修改后的效果时，那可能也得耗费1天或更久的时间。

8月份的时候，论智出过一篇《ICLR老司机的经验和建议：深度学习显卡选型指南》，当时因为实体卡还没有正式销售，再加上只英伟达只重点介绍了RTX 2080和RTX 2080Ti，文章作者只能根据性能数据做一些推测。时至今日，很多人已经抢到了新显卡，市场上更是半路杀出了个程咬金——RTX 2070。

为了让测评结果更严谨，小编顶着炼丹师朋友的40米长刀，在这里更新一下Tim Dettmers的最新测评结果。如果读者想知道是否该多买几块显卡、N卡/A卡/Intel/谷歌/亚马逊该怎么选择、是什么决定了GPU的快慢，建议阅读8月那篇长文。

终极建议

整体性能最好的GPU：RTX 2070

最不建议买的GPU：任何Tesla卡, 任何Quadro卡, 任何公版卡, Titan V, Titan XP

性价比高，但小贵：RTX 2070

性价比高，同时便宜：GTX Titan (Pascal), GTX 1060 (6GB), GTX 1050 Ti (4GB)

预算很少：GTX 1060 (6GB), GTX Titan (Pascal), GTX 1050 Ti (4GB)

几乎没预算：GTX 1050 Ti (4GB)/CPU（建模）+ AWS/TPU（训练）; Colab.

参加Kaggle竞赛：RTX 2070; 如果钱不够就买GTX 1060 (6GB)或GTX Titan (Pascal)，就用它们建模+ AWS（最终训练）+ fast ai库

有前途的CV/机器翻译研究员：GTX 2080 Ti; 在2019年升级到RTX Titan

NLP研究员：RTX 2070(用16-bit)

有雄心壮志的深度学习菜鸟：先买一块RTX 2070，如果想更深入研究深度学习，6-9个月后再多买几块RTX 2070。用这些显卡撑两年，之后再按照你的成型研究方向买更合适的

随便玩玩的深度学习菜鸟：GTX 1050 Ti (4或2GB)，不建议为此买新电脑

性能测评

各GPU和TPU的标准化原始性能数据（越高越好）

各GPU/TPU性价比比较

根据以上两个新数据，我们可以发现RTX2070的性价比比2080和2080Ti都要高。这是因为比起性能上的差异，现在它们在价格的差异称得上离谱，不如多入手几个价格更低的2070。同样的，这个分析需要考虑一些偏差：

价格波动。目前，GTX 1080 Ti、RTX 2080和RTX 2080 Ti显卡价格过高，未来也许会便宜一些；

这种分析适合个人用户，它没有考虑到网络所需的内存和计算机能容纳的GPU数。例：装了4个高速GPU的计算机和装了2个高性价比GPU的计算机，肯定是前者总体性价比更高。