Υπολογίστε την TPS του Quadro P2200 σε τοπικά AI μοντέλα

NVIDIA 5 GB GDDR5X 200 GB/s June 2019

Κάθε μοντέλο στον κατάλογό μας αξιολογήθηκε σε σχέση με αυτή την ΚΑΡΤΑ στη διάρκεια του CONTEXT LENGTH και της ελάχιστης ποιότητας που επιλέγετε. Η ταχύτητα είναι μια εκτίμηση για ένα μόνο αίτημα, υπολογισμένη από το MEMORY BANDWIDTH αυτής της ΚΑΡΤΑΣ και το μέγεθος κάθε μοντέλου μόλις συμπιεστεί..

Υπολογίστηκε για αυτήν την κάρτα

203 μοντέλα που μπορεί να εκτελέσει

679 μοντέλα στον κατάλογό μας συνολικά

Το μεγαλύτερο μοντέλο που κρατάει

Sailor-7B-Chat

7.7B · Q3_K_M · 25.2 tok/s

Ταχύτερο μοντέλο

Gemma 3 QAT 1B

72.1 tok/s · 1B

Ποια AI μοντέλα μπορούν να τρέξουν σε μια Quadro P2200?

Ορίστε τις εισόδους, διαβάστε την απάντηση

Μήκος συμφραζομένων μουσικά κομμάτια

Περισσότερα συμφραζόμενα σημαίνει περισσότερη μνήμη για την κρυφή μνήμη της συνομιλίας. Η ταχύτητα είναι για μια νέα συνομιλία και δεν αλλάζει με αυτή τη ρύθμιση..

Ελάχιστη ποιότητα

Κρύβει μοντέλα που θα χωρούσαν μόνο αν συμπιεστούν κάτω από αυτό το σημείο.

Αναζήτηση μοντέλων

Μέγεθος μοντέλου

Απελευθερώθηκε

Επίσης δείξτε μοντέλα που δεν μπορεί να τρέξει

203 τα μοντέλα ταιριάζουν

Υπολογισμός

						Ποσοτικοποίηση	Καλά
72.1 tok/s 25–144 · χαμηλή εμπιστοσύνη	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k μουσικά κομμάτια	Q8_0	Άνετο
72.1 tok/s 25–144 · χαμηλή εμπιστοσύνη	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k μουσικά κομμάτια	Q8_0	Άνετο
72.1 tok/s 25–144 · χαμηλή εμπιστοσύνη	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
72.1 tok/s 25–144 · χαμηλή εμπιστοσύνη	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
72.1 tok/s 25–144 · χαμηλή εμπιστοσύνη	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
72.1 tok/s 25–144 · χαμηλή εμπιστοσύνη	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
66.7 tok/s 23–133 · χαμηλή εμπιστοσύνη	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
65.5 tok/s 23–131 · χαμηλή εμπιστοσύνη	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
65.5 tok/s 23–131 · χαμηλή εμπιστοσύνη	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
65.5 tok/s 23–131 · χαμηλή εμπιστοσύνη	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
65.5 tok/s 23–131 · χαμηλή εμπιστοσύνη	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
60.1 tok/s 21–120 · χαμηλή εμπιστοσύνη	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
60.1 tok/s 21–120 · χαμηλή εμπιστοσύνη	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
60.1 tok/s 21–120 · χαμηλή εμπιστοσύνη	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
60.1 tok/s 21–120 · χαμηλή εμπιστοσύνη	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
58.6 tok/s 21–117 · χαμηλή εμπιστοσύνη	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	84k μουσικά κομμάτια	Q8_0	Άνετο
57.8 tok/s 20–116 · χαμηλή εμπιστοσύνη	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
55.4 tok/s 19–111 · χαμηλή εμπιστοσύνη	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
55.4 tok/s 19–111 · χαμηλή εμπιστοσύνη	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
55.4 tok/s 19–111 · χαμηλή εμπιστοσύνη	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
55.4 tok/s 19–111 · χαμηλή εμπιστοσύνη	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
55.4 tok/s 19–111 · χαμηλή εμπιστοσύνη	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
55.4 tok/s 19–111 · χαμηλή εμπιστοσύνη	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
55.4 tok/s 19–111 · χαμηλή εμπιστοσύνη	Otter ≈	1.3B	May 2023	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
55.4 tok/s 19–111 · χαμηλή εμπιστοσύνη	Phi-1 ≈	1.3B	Oct 2023	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο

Οι ταχύτητες είναι εκτιμήσεις για ένα μόνο αίτημα — μία συνομιλία τη φορά — υπολογισμένες από την μνήμη, το μέγεθος του μοντέλου και την ποσοτικοποίηση. Η πραγματική διακύμανση έξοδου ποικίλλει με τον χρόνο εκτέλεσης συμπερασμάτων και την έκδοσή του. Οι αριθμοί που δημοσιεύονται από τους προμηθευτές υλικού μετρούν πολλές ταυτόχρονες αιτήσεις και είναι πολύ υψηλότεροι..

Σε καταγραφή

Quadro P2200 Πλήρης προδιαγραφή

Τα πάντα σε αρχείο για αυτήν την κάρτα, ταξινομημένα κατά πόσο σχετίζονται με τη λειτουργία ενός AI μοντέλου παρά σύμφωνα με το πώς θα το κατέγραφε ένα φύλλο προδιαγραφών. Η ΜΝΗΜΗ έρχεται πρώτη γιατί αποφασίζει το αποτέλεσμα; το υπόλοιπο είναι CONTEXT..

Μνήμη

Οι δύο προδιαγραφές που αποφασίζουν ποιο μοντέλο μπορεί να τρέξει αυτή η ΚΑΡΤΑ και με ποια ταχύτητα. Η ικανότητα καθορίζει ποια μοντέλα ταιριάζουν· το bandwidth καθορίζει πόσα tokens ανά δευτερόλεπτο παράγουν μόλις ταιριάξουν.

Μέγεθος μνήμης: 5 GB
Μνήμη εύρους ζώνης: 200 GB/s
Τύπος μνήμης: GDDR5X
Πλάτος διαύλου μνήμης: 160 bit
Ρολογιά μνήμης: 1.25 GHz

Το τσιπ

Ποιος επεξεργαστής είναι πάνω στην πλακέτα και πώς κατασκευάστηκε. Ένα μικρότερο μέγεθος διαδικασίας γενικά σημαίνει περισσότερη απόδοση για την ίδια ισχύ.

Γραφικός επεξεργαστής: GP106
Αρχιτεκτονική: Pascal
Γενιά: Quadro Pascal(Px200)
Μέταλλο: TSMC
Μέγεθος διαδικασίας: 16 nm
Τρανζίστορ: 4.4 billion
Πυκνότητα τρανζίστορ: 22,000 K/mm²
Μέγεθος τσιπ: 200 mm²
Πακέτο: BGA-2173
Απελευθερώθηκε: 10 June 2019

Ταχύτητες ρολογιού

Πόσο γρήγορα λειτουργεί ο επεξεργαστής. Αξίζει πολύ λιγότερο εδώ από ό,τι σε ένα gaming benchmark: η δημιουργία κειμένου περιορίζεται από το MEMORY BANDWIDTH, έτσι μια υψηλότερη συχνότητα barely moves το αποτέλεσμα.

Βασική συχνότητα: 1 GHz
Ωθήσει ρολογιού: 1.49 GHz

Μονάδες Επεξεργασίας

Τι περιέχει το τσιπ. Αυτά οδηγούν την απόδοση γραφικών και έχουν σημασία κυρίως για την επεξεργασία μιας μακράς προτροπής αντί για την παραγωγή της απάντησης.

Μονάδες σκίασης: 1,280
Μονάδες Χαρτογράφησης Υφής: 80
Μονάδες εξόδου απόδοσης: 40
Ροή πολλών επεξεργαστών: 10
L1 κρυφή μνήμη: 48 KB
L2 κρυφή μνήμη: 1.25 MB

Θεωρητική Απόδοση

Οι κορυφαίοι ρυθμοί αριθμητικών υπολογισμών που δημοσιεύθηκαν για την κάρτα. Αυτές είναι ανώτατα όρια που καμία πραγματική εργασία δεν φτάνει, και η παραγωγή κειμένου φτάνει μόνο σε ένα μικρό ποσοστό αυτών επειδή περιορίζεται από τη μνήμη αντί για την αριθμητική.

Μισή ακρίβεια (FP16): 59.7 GFLOPS
Μονή ακρίβεια (FP32): 3.8 TFLOPS
Διπλή ακρίβεια (FP64): 119.4 GFLOPS
Ρυθμός εικονοστοιχείων: 60 GPixel/s
Ρυθμός υφής: 119 GTexel/s

Η πλακέτα

Τι απαιτείται για να εγκαταστήσετε φυσικά και να τροφοδοτήσετε την ΚΑΡΤΑ — οι πρακτικοί περιορισμοί που αποφασίζουν αν ταιριάζει στη μηχανή που ήδη έχετε.

Κατανάλωση ενέργειας (TDP): 75 W
Προτεινόμενη τροφοδοσία: 250 W
Συνδέσεις ρεύματος: None
Διασύνδεση λεωφορείου: PCIe 3.0 x16
Πλάτος υποδοχής: Single-slot
Διαστάσεις: 201 mm
Εμφάνιση εξόδων: 4x DisplayPort 1.4a

Υποστήριξη λογισμικού

Ποιες γραφικές και υπολογιστικές διεπαφές υποστηρίζει η κάρτα. Η δυνατότητα υπολογισμού CUDA είναι αυτή που επηρεάζει την εκτίμηση: κάτω από 7.0 δεν υπάρχουν πυρήνες tensor, και το σύγχρονο λογισμικό εκτίμησης επιστρέφει σε πιο αργούς κωδικούς.

ικανότητα υπολογισμού CUDA: 6.1
DirectX: 12.1
OpenGL: 4.6
Βούλκαν: 1.4
OpenCL: 3.0
Μοντέλο Σκίασης: 6.8

Καταχωρίσεις

Πού να αγοράσω ένα Quadro P2200

Κανένας προμηθευτής δεν καταχωρεί αυτήν την κάρτα αυτή τη στιγμή. Οι καταχωρίσεις προέρχονται από προμηθευτές που τις δημοσιεύουν εδώ απευθείας. — περιηγηθείτε στον κατάλογο προμηθευτών να δεις ποιος πουλάει τι.

Τι σημαίνουν οι αριθμοί

Χωρητικότητα και εύρος ζώνης

Μνήμη

5 GB

Εύρος ζώνης

200 GB/s

Μεγαλύτερο μοντέλο

Sailor-7B-Chat

Quadro P2200 κρατά μόνο 5 GB του GDDR5X. Αυτό περιορίζει το μοντέλο στο μικρότερο άκρο του καταλόγου, και ένα μοντέλο πρέπει να χωράει ολόκληρο πριν δημιουργήσει οτιδήποτε. Ένα runtime στην πραγματικότητα παίρνει περίπου 4.5 GB.

Η μνημονική εύρος ζώνης φτάνει 200 GB/s πέρα από ένα λεωφορείο του 160 μπίτ. Η διαύγεια είναι ο πραγματικός περιορισμός αυτής της κάρτας. Κάθε τοκέν απαιτεί την ανάγνωση ολόκληρου του μοντέλου από την VRAM, οπότε ένα μεγάλο μοντέλο θα αισθάνεται αργό εδώ ακόμα και όταν χωράει.

Το bandwidth είναι συχνότητα επί πλάτους του λεωφορείου, και αυτή η κάρτα ρολογίζει τη μνήμη της στο 1.25 GHz. Διεύρυνση του λεωφορείου και αύξηση του ρολογιού είναι οι δύο μοχλοί που έχει ένας κατασκευαστής, γι' αυτό και μια κάρτα με αδιάφορους πυρήνες μπορεί ακόμα να παράγει γρήγορα.

Συνολικά, το μεγαλύτερο μοντέλο που ταιριάζει είναι Sailor-7B-Chat, 7.7B, συμπιεσμένο σε Q3_K_M και δημιουργώντας γύρω 25.2 tokens ανά δευτερόλεπτο

Το τσιπ και πώς κατασκευάστηκε

Quadro P2200 είναι κατασκευασμένο πάνω στον επεξεργαστή γραφικών GP106, χρησιμοποιώντας την αρχιτεκτονική Pascal από NVIDIA, ως μέρος της γενιάς Quadro Pascal(Px200).

Το τσιπ κατασκευάζεται από TSMC, σε μια διαδικασία της 16 νμ, με ένα ζάρι που μετράει 200 mm², κρατώντας 4.4 billion Τρανζίστορ. Μια μικρότερη διαδικασία σημαίνει γενικά περισσότερη απόδοση για την ίδια ισχύ, αν και για τα γλωσσικά μοντέλα έχει πολύ λιγότερη σημασία από το υποσύστημα μνήμης.

Δημοσιεύτηκε το June 2019, χονδρικά 7.1423161505295 χρόνια πριν. Η υποστήριξη λογισμικού INFERENCE τείνει να ακολουθεί την υλικοτεχνική υποδομή κατά ένα ή δύο χρόνια, οπότε μια κάρτα αυτής της ηλικίας γενικά διαθέτει ώριμους, καλά βελτιστοποιημένους κώδικες που της είναι διαθέσιμοι.

Διαδικασία υπολογισμού, και γιατί έχει λιγότερη σημασία απ' ότι φαίνεται

FP16

59.7 GFLOPS

FP64

119.4 GFLOPS

Στο χαρτί Quadro P2200 φθάνει 59.7 GFLOPS σε μισή ακρίβεια, και 3.8 TFLOPS σε απλή ακρίβεια. Αυτά είναι κορυφαία νούμερα που κανένα πραγματικό φορτίο δεν υποστηρίζει, και η γενετική κειμένων φτάνει μόνο σε ένα μικρό ποσοστό τους - η αποκωδικοποίηση περιορίζεται από τη μνήμη παρά από την αριθμητική, γι' αυτό μια κάρτα μπορεί να φαίνεται εξαιρετικά ισχυρή εδώ και να παράγει ακόμα μικρές μονάδες με έναν κανονικό ρυθμό.

Η διάβαση διπλής ακρίβειας φθάνει 119.4 GFLOPS. Δεν έχει καμία σχέση με την εκτέλεση ενός γλωσσικού ΜΟΝΤΕΛΟΥ — κανένας χρόνος εκτέλεσης συμπερασμού δεν το χρησιμοποιεί — αλλά χωρίζει τα μέρη των κέντρων δεδομένων από τα καταναλωτικά, καθώς τα τελευταία το περιορίζουν σκόπιμα.

Οι ρολόγια τρέχουν από μια βάση του 1 GHz σε μια αύξησηของ 1.49 GHz. Αξίζει πολύ λιγότερο εδώ από ό,τι σε ένα gaming benchmark: η αύξηση των ρολογιών επιταχύνει την αριθμητική, και η αριθμητική δεν είναι αυτό που περιμένει η γενιά.

Κρυφή μνήμη και μονάδες επεξεργασίας

Quadro P2200 έχει L1 cache της 48 KB, υποστηριζόμενο από μια L2 cache του 1.25 MB. Η Cache απορροφά ένα μερίδιο της κίνησης μνήμης που αλλιώς θα έπληττε το κύριο λεωφορείο, το οποίο είναι το μόνο μέρος σε αυτή τη σελίδα όπου ένας αριθμός διαφορετικός από τη bandwidth επηρεάζει ήσυχα την ταχύτητα δημιουργίας - μια μεγάλη L2 επιτρέπει περισσότερα από το working set να παραμένουν κοντά στους πυρήνες.

Υπάρχουν 1,280 Μονάδες σκίασης, 80 Μονάδες Χαρτογράφησης Υφής, και 40 Μονάδες εξόδου απόδοσης. Αυτά οδηγούν τα γραφικά φορτία εργασίας και συμβάλλουν στην επεξεργασία εντολών, αλλά παραμένουν ανενεργά για μεγάλο μέρος του χρόνου που χρειάζεται ένα μοντέλο για να παράγει μια απάντηση.

Ικανότητα, μέγεθος και εγκατάσταση

Κατανάλωση ενέργειας

75 W

Quadro P2200 βαθμολογείται σε 75 W, και η προτεινόμενη τροφοδοσία συστήματος είναι 250 W. Η εκτέλεση ενός γλωσσικού μοντέλου κρατά μια κάρτα απασχολημένη σε εκρήξεις παρά συνεχώς — απορροφά έντονα κατά τη διαδικασία παραγωγής και αδρανεί μεταξύ των αιτημάτων — έτσι η διαρκής κατανάλωση κατά τη διάρκεια μιας εργάσιμης ημέρας είναι συνήθως πολύ κάτω από την αναγραφόμενη τιμή.

Η κάρτα καταλαμβάνει single-slot, μετρήσεις 201 μμ μήκους. Αξίζει να ελεγχθεί σε σχέση με την περίπτωση και την τροφοδοσία που είναι ήδη στη μηχανή, καθώς οι μεγαλύτερες κάρτες χρειάζονται σημαντικά περισσότερα και από τα δύο σε σύγκριση με ό,τι παρέχει ένα τυπικό επιτραπέζιο.

Συνδέεται μέσω PCIe 3.0 x16. Η διεπαφή ρυθμίζει πόσο γρήγορα ένα μοντέλο φορτώνεται από το δίσκο στην κάρτα, όχι πόσο γρήγορα εκτελείται μόλις εκεί, έτσι μια στενότερη σύνδεση κοστίζει μερικά δευτερόλεπτα στην εκκίνηση και τίποτα μετά από αυτό.

Οι ακραίοι

Οι μεγαλύτεροι AI μοντέλα που τρέχουν σε μια Quadro P2200

Τα μεγαλύτερα OPEN WEIGHT μοντέλα που ταιριάζουν σε αυτή την CARD, τα νεότερα πρώτα. Κάθε ένα εμφανίζεται με την καλύτερη συμπίεση που μπορεί να κρατήσει η CARD..

01 SEA-LION-v1-7B-IT 7.5B · Q3_K_M · Dec 2024 25.9 tok/s
02 RWKV-5 (Eagle) 7B 7.5B · Q3_K_M · Sep 2024 25.9 tok/s
03 Qwen2.5 Instruct (7B) 7.6B · Q3_K_M · Sep 2024 25.6 tok/s
04 Qwen2.5-7B 7.6B · Q3_K_M · Sep 2024 25.6 tok/s
05 Qwen2.5-Coder (7B) 7.6B · Q3_K_M · Sep 2024 25.6 tok/s
06 LLaVA-OV-7B 7.6B · Q3_K_M · Aug 2024 25.6 tok/s
07 phi-3-small 7.4B 7.4B · Q3_K_M · Apr 2024 26.3 tok/s
08 Sailor-7B-Chat 7.7B · Q3_K_M · Apr 2024 25.2 tok/s
09 SeaLLM-7B-v2 7.4B · Q3_K_M · Dec 2023 26.4 tok/s
10 RWKV-4 World (7B) 7.4B · Q3_K_M · Jun 2023 26.3 tok/s

Οι ταχύτεροι AI μοντέλα σε μια Quadro P2200

Όπου αυτή η ΚΑΡΤΑ παράγει τούβλα γρηγορότερα. Μικρότερα μοντέλα κυριαρχούν εδώ, επειδή η παραγωγή κάθε τούβλου σημαίνει να διαβάζουμε ολόκληρο το μοντέλο από τη μνήμη μία φορά..

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 72.1 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 72.1 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 72.1 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 72.1 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 72.1 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 72.1 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 66.7 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 65.5 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 65.5 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 65.5 tok/s

Βήμα προς βήμα

Πώς να υπολογίσετε τους TOKENS ανά ΔΕΥΤΕΡΟΛΕΠΤΟ ενός Quadro P2200

Δεν χρειάζεται να υπολογίσετε τίποτα με το χέρι — ο υπολογιστής gputps.com σε αυτή τη σελίδα έχει ήδη υπολογίσει για κάθε μοντέλο που μπορεί να κρατήσει αυτή η κάρτα. Η ανάγνωση της απάντησης απαιτεί έξι βήματα..

01

Βρείτε το μοντέλο στον πίνακα

Ο πίνακας απαριθμεί 203 μοντέλα που τρέχει αυτή η κάρτα. Η αναζήτηση περιορίζει τη λίστα κατά όνομα ή κατά μέγεθος.
02

Εναρμονίστε το πλαίσιο με τη δουλειά σας

Σύρε τον μοχλό στο μήκος της συνομιλίας που σκοπεύεις να εργάζεσαι. Η μνήμη αυξάνεται με τη συνομιλία, και εναντίον μιας κάρτας που κρατά 5 GB έτσι οι ρυθμίσεις αξίζουν να γίνουν σωστά.
03

Ρυθμίστε μια минимальная ποιότητα αν χρειάζεστε μία.

Από προεπιλογή, ο πίνακας επιλέγει την λιγότερο συμπιεσμένη αντιγραφή που χωράει. Η ρύθμιση ενός κατωφλιού αφαιρεί τα μοντέλα που πληρούν προϋποθέσεις μόνο μέσω βαριάς συμπίεσης.
04

Κοίτα το φάσμα, όχι μόνο τον αριθμό

Οι ταχύτητες συνοδεύονται από γραμμές σφάλματος για κάποιον λόγο. Η καλύτερη περίπτωση εδώ είναι 72.1 τόκ/σ σε Gemma 3 QAT 1B. Η ίδια κάρτα και μοντέλο διαφέρει κατά τριάντα έως πενήντα τοις εκατό μεταξύ των χρόνων εκτέλεσης συμπερασμάτων.
05

Διαβάστε την απόφαση καταλληλότητας τελευταία

Σφιχτό σημαίνει ότι λειτουργεί σήμερα; Άνετο σημαίνει ότι λειτουργεί ακόμα όταν η συνομιλία μεγαλώνει. Συγκρίνετε τις ανάγκες κάθε μοντέλου με βάση το διαθέσιμο. 5 GB.
06

Άνοιξε το μοντέλο για να συγκρίνεις τις κάρτες

Κάθε σελίδα μοντέλου επαναλαμβάνει αυτόν τον υπολογισμό για ολόκληρο τον κατάλογο. Αξίζει μια ματιά πριν αποφασίσετε: δείχνει τι άλλο τρέχει το ίδιο μοντέλο, δίπλα σε Quadro P2200.

Απαντήσεις

Quadro P2200 — κοινές ερωτήσεις

Quadro P2200— πόση μνήμη έχει;

Αυτή η GPU έχει 5 GB του GDDR5X. Γύρω από το ένα δέκατο είναι δεσμευμένο από την εκτέλεση συμπερασμού και τον οδηγό, αφήνοντας περίπου 4.5 GB διαθέσιμο για ένα μοντέλο και τη συζήτησή του.

Quadro P2200— ποια είναι η εύρος ζώνης μνήμης της;

Η μνημονική εύρος ζώνης φτάνει 200 GB/s πέρα από ένα λεωφορείο του 160 μπίτ. Αυτή είναι η μοναδική καλύτερη πρόβλεψη για το πόσο γρήγορα παράγει κείμενο, επειδή η παραγωγή κάθε token σημαίνει την ανάγνωση ολόκληρου του μοντέλου έξω από τη μνήμη μία φορά.

Quadro P2200— ποιο τύπο μνήμης χρησιμοποιεί;

Χρησιμοποιεί GDDR5X χρονισμένος σε 1.25 GHz. Οι τύποι HBM βρίσκονται σε επιταχυντές κέντρων δεδομένων και διαθέτουν πολύ περισσότερη εύρυθμη απόδοση από την GDDR που χρησιμοποιείται σε GPU καρτών επιτραπέζιου υπολογιστή, γι' αυτό και δημιουργούν tokens σημαντικά πιο γρήγορα με την ίδια χωρητικότητα.

Quadro P2200— ποιος το κατασκευάζει;

Αυτό είναι ένα προϊόν του NVIDIA, με το τσιπ που κατασκευάστηκε από TSMC, σε μια διαδικασία της 16 νμ.

Quadro P2200— πότε κυκλοφόρησε;

Δημοσιεύτηκε το June 2019.

Quadro P2200— πόση ισχύς χρησιμοποιεί;

Η αξιολογούμενη ισχύς της κάρτας είναι 75 W, και η προτεινόμενη τροφοδοσία συστήματος είναι 250 W. Η δημιουργία κειμένου απαιτεί ένταση σε εκρήξεις και είναι σε κατάσταση αναμονής μεταξύ των αιτημάτων, οπότε η μέση κατανάλωση κατά τη διάρκεια μιας εργάσιμης συνεδρίας είναι κανονικά πολύ κάτω από την αξιολογούμενη τιμή.

Quadro P2200— πόσο cache έχει;

Η μνήμη L1 είναι 48 KB, και η L2 cache είναι 1.25 MB. Η Cache απορροφά μέρος της μνήμης κυκλοφορίας που θα έφτανε αλλιώς στον κύριο διαδικτυακό κόμβο, έτσι μια μεγαλύτερη L2 δίνει μια μέτρια αύξηση στην ταχύτητα γενετικά πέρα από αυτό που προ predicts η μόνο πλά bandwidth.

Quadro P2200— ποιοι είναι οι TFLOPS του;

Αξιολογείται σε 59.7 GFLOPS σε μισή ακρίβεια και 3.8 TFLOPS σε μονή ακρίβεια. Αυτά είναι αιχμές αριθμητικών ανώτατων ορίων αντί για επιτεύξιμες τιμές, και η παραγωγή κειμένου φτάνει μόνο ένα μικρό κλάσμα αυτών επειδή περιορίζεται από την μπαλαντέρ μνήμης αντί.

Quadro P2200— υποστηρίζει CUDA;

Ναι. Αναφέρει την ικανότητα υπολογισμού CUDA. 6.1, το οποίο προηγείται των TENSOR CORES. Η δυνατότητα 7.0 και άνω έχει πυρήνες τανυστών, τους οποίους χρησιμοποιεί λογισμικό σύγχρονης inference. Κάτω από αυτό, επιστρέφει σε πιο αργές διαδρομές κώδικα για μοντέλα ποσοτικοποίησης.

Quadro P2200— ποια είναι η διεπαφή bus που χρησιμοποιεί;

Χρησιμοποιεί PCIe 3.0 x16. Αυτό διέπει πόσο γρήγορα φορτώνεται ένα μοντέλο στην κάρτα αντί για το πόσο γρήγορα τρέχει μόλις φορτωθεί, οπότε κοστίζει μερικά δευτερόλεπτα κατά την εκκίνηση και τίποτα κατά τη διάρκεια της γεννήσεως.

Quadro P2200— είναι καλό για να τρέξετε τοπικά AI μοντέλα;

Η μνήμη του περιορίζει τα μικρότερα μοντέλα, αν και το εύρος ζώνης του σημαίνει ότι η γενιά θα είναι αργή σε μεγαλύτερα μοντέλα. Στην συνολική του λειτουργία είναι 203 των μοντέλων που παρακολουθούμε. Εάν αυτό είναι αρκετό εξαρτάται αποκλειστικά από το ποιο μοντέλο θέλετε — ο παραπάνω πίνακας απαντά σε αυτό απευθείας.

Quadro P2200— μπορεί να τρέξει ένα μοντέλο που δεν χωράει στη μνήμη του;

Φορτίο πέρα από την κάρτα 5 GB τραβάει ολόκληρο το πράγμα κάτω, και κανένα από τα στοιχεία σε αυτή τη σελίδα δεν το υποθέτει.

Θα μπορούσαν δύο Quadro P2200 οι κάρτες θα είναι δύο φορές πιο γρήγορες;

Όχι. Μια δεύτερη κάρτα διπλασιάζει τη μνήμη σε 10 GB συνδυασμένης μνήμης, με περίπου την ίδια ταχύτητα γενιάς όπως μία.

Quadro P2200— ποια AI μοντέλα μπορεί να εκτελέσει;

203 του 679 Οι ανοιχτού τύπου γλωσσικοί μοντέλοι που παρακολουθούμε ταιριάζουν σε αυτή την κάρτα και μπορούν να εκτελούνται τοπικά. Ο πίνακας σε αυτή τη σελίδα απαριθμεί τον καθένα, με τη μνήμη που χρειάζεται, την ποσοτικοποίηση στην οποία εκτελείται και μια εκτιμώμενη ταχύτητα παραγωγής.

Quadro P2200— ποιο είναι το μεγαλύτερο AI μοντέλο που μπορεί να τρέξει;

Το μεγαλύτερο μοντέλο στον κατάλογό μας που χωράει είναι Sailor-7B-Chat σε 7.7B παραμέτρους, συμπιεσμένο σε Q3_K_M. Παράγει περίπου 25.2 δεσμεύσεις ανά δευτερόλεπτο και χρειάζονται περίπου 4.5 GB της μνήμης της κάρτας.

Quadro P2200— πόσοι τόκεν ανά δευτερόλεπτο παράγει;

Εξαρτάται από το ΜΟΝΤΕΛΟ. Το πιο γρήγορο ΜΟΝΤΕΛΟ που παρακολουθούμε εδώ είναι Gemma 3 QAT 1B γύρω από 72.1 διακυμάνσεις ανά δευτερόλεπτο, ενώ μεγαλύτερα μοντέλα τρέχουν αναλογικά πιο αργά επειδή κάθε διακυμάνση απαιτεί την ανάγνωση ολόκληρου του μοντέλου από τη μνήμη μία φορά. Οι ταχύτητες είναι εκτιμήσεις για μία μόνο συνομιλία τη φορά.

Quadro P2200— μπορεί να τρέξει 7B μοντέλα;

Ναι. Για παράδειγμα τρέχει. Olmo 3 7B Think σε Q3_K_M, χρησιμοποιώντας περίπου 4.1 GB μνήμης και δημιουργία γύρω από 27.8 tokens ανά δευτερόλεπτο

Η άλλη κατεύθυνση

Κοιτάζοντας το από την άλλη πλευρά;

Αυτή η σελίδα ξεκινά από το υλικό. Αν ήδη ξέρετε ποιο ΜΟΝΤΕΛ θέλετε και χρειάζεστε να ξέρετε τι απαιτείται για να το ΤΡΕΞΕΤΕ., Αρχίστε από το ΜΟΝΤΕΛΟ..

Όλες οι GPUs