Számítsa ki a TPS-t a Jetson TX2 helyi AI modellek

NVIDIA 8 GB LPDDR4 60 GB/s January 2016

Minden modell a katalógusunkban, amelyet ezzel a kártyával értékeltünk a kiválasztott kontextus hosszán és minimális minőségen. A sebesség egyetlen kérés becslése, amelyet ezen kártya memória sávszélessége és minden modell mérete alapján számoltak ki, miután tömörítették..

Kiszámítva ehhez a kártyához

337 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

Baichuan 1-13B

13.3B · Q3_K_M · 4.4 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

21.5 tok/s · 1B

Mely AI modellek futhatnak egy Jetson TX2?

Állítsa be a bemeneteket, olvassa el a választ

Több kontextus több MEMÓRIÁT jelent a beszélgetés gyorsítótárához. A sebesség egy friss beszélgetéshez való, és nem változik ezzel a beállítással..

Elrejti azokat a modelleket, amelyek csak ezen a ponton alá tömörítve férnének el..

337 modellek megfelelnek

Számítás
Kvantisálás Illeszkedik
21.5 tok/s

8–43 · alacsony bizalom

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokenek Q8_0 Kényelmes
21.5 tok/s

8–43 · alacsony bizalom

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokenek Q8_0 Kényelmes
21.5 tok/s

8–43 · alacsony bizalom

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokenek ? Q8_0 Kényelmes
21.5 tok/s

8–43 · alacsony bizalom

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokenek ? Q8_0 Kényelmes
21.5 tok/s

8–43 · alacsony bizalom

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokenek ? Q8_0 Kényelmes
21.5 tok/s

8–43 · alacsony bizalom

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokenek ? Q8_0 Kényelmes
19.9 tok/s

7–40 · alacsony bizalom

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokenek ? Q8_0 Kényelmes
19.5 tok/s

7–39 · alacsony bizalom

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
19.5 tok/s

7–39 · alacsony bizalom

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
19.5 tok/s

7–39 · alacsony bizalom

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
19.5 tok/s

7–39 · alacsony bizalom

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
17.9 tok/s

6–36 · alacsony bizalom

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
17.9 tok/s

6–36 · alacsony bizalom

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
17.9 tok/s

6–36 · alacsony bizalom

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokenek ? Q8_0 Kényelmes
17.9 tok/s

6–36 · alacsony bizalom

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
17.5 tok/s

6–35 · alacsony bizalom

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokenek Q8_0 Kényelmes
17.2 tok/s

6–34 · alacsony bizalom

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokenek ? Q8_0 Kényelmes
16.5 tok/s

6–33 · alacsony bizalom

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
16.5 tok/s

6–33 · alacsony bizalom

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
16.5 tok/s

6–33 · alacsony bizalom

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
16.5 tok/s

6–33 · alacsony bizalom

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
16.5 tok/s

6–33 · alacsony bizalom

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
16.5 tok/s

6–33 · alacsony bizalom

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
16.5 tok/s

6–33 · alacsony bizalom

Otter ≈ 1.3B May 2023 2.1 GB 131k tokenek ? Q8_0 Kényelmes
16.5 tok/s

6–33 · alacsony bizalom

Phi-1 ≈ 1.3B Oct 2023 2.1 GB 131k tokenek ? Q8_0 Kényelmes

A sebességek egyetlen kérésre - egy beszélgetés egy időben - vonatkozó becslések, amelyeket a MEMORY BANDWIDTH, a MODEL SIZE és a QUANTISATION alapján számítanak ki. A valós áteresztőképesség változik az INFERENCE RUNTIME és annak verziója szerint. A HARDWARE VENDORS által közzétett számok sok párhuzamos kérést mérnek, és sokkal magasabbak..

Nyilvántartásban

Jetson TX2 Teljes specifikáció

Minden az erre a lapra vonatkozóan, rendezve aszerint, mennyire befolyásolja egy nyelvi modell futtatását, nem pedig aszerint, ahogyan egy specifikációs táblázat felsorolná. A MEMORY az első, mert ez határozza meg az eredményt; a többi a CONTEXT..

VRAM

A két specifikáció, ami meghatározza, hogy ezt a KÁRT mit tud futtatni és milyen gyorsan. A kapacitás határozza meg, hogy mely modellek férnek el; a sávszélesség határozza meg, hány token-t állítanak elő másodpercenként, miután elindultak.

Memóriaméret
8 GB
Memória sávszélesség
60 GB/s
Memória típus
LPDDR4
Memória busz szélessége
128 bit
Memória óra
1.87 GHz

A chip

Melyik processor található az alaplapon és hogyan készült. Egy kisebb gyártási méret általában jobb teljesítményt jelent ugyanazon energiafelhasználás mellett.

Grafikus processzor
GP10B
Architektúra
Pascal
Generáció
Tegra(Pascal)
Öntödé
TSMC
Feldolgozási méret
16 nm
Kiadott
1 January 2016

Órajel sebességek

Milyen gyorsan fut a processzor. Itt sokkal kevesebbet ér, mint egy játékbenchmarkon: a szöveg generálása a MEMÓRIA SÁVSZÉLESSÉG által korlátozott, így egy magasabb órajel alig mozdítja el az eredményt.

Alap óra
1.3 GHz
Turbóóra
1.3 GHz

Feldolgozó egységek

A chip mit tartalmaz. Ezek a grafikai teljesítményt hajtják, és főként egy hosszú prompt feldolgozása szempontjából számítanak, nem pedig a válasz előállítása szempontjából.

árnyékoló egységek
256
Textúrázási egységek
16
Render kimeneti egységek
16
Streaming multiprocesszorok
2
L1 gyorsítótár
48 KB
L2 gyorsítótár
0.5 MB

Elméleti teljesítmény

A lapra közzétett csúcsaritmetikai sebességek. Ezek olyan plafonok, amelyeket egy valódi munkaterhelés sem ér el, és a szöveg generálása csak ezek kis részét éri el, mert a memória korlátozza, nem az aritmetika.

Fél precizitás (FP16)
1.3 TFLOPS
Egyszeres pontosság (FP32)
665.6 GFLOPS
Kettős pontosság (FP64)
20.8 GFLOPS
Pixelek aránya
21 GPixel/s
Textúra sebesség
21 GTexel/s

A lap

Mi szükséges a kártya fizikális telepítéséhez és működtetéséhez - azok a gyakorlati korlátok, amelyek eldöntik, hogy illeszkedik-e a már meglévő géphez.

Teljesítményfelvétel (TDP)
15 W
Busz interfész
PCIe 2.0 x4
Bővítőhely szélessége
IGP
Dimenziók
87 mm

Szoftver-támogatás

Mely grafikai és számítási interfészeket támogat a kártya. A CUDA számítási képesség az, amely hatással van a következtetésre: 7.0 alatt nincsenek tensor magok, és a modern következtetési szoftver lassabb kódutakra tér vissza.

CUDA számítási képesség
6.2
DirectX
12.1
OpenGL
4.6
Vulkan
1.2
OpenCL
1.2
Shader modell
6.0

Lista

Hol lehet venni egy Jetson TX2

Jelenleg egyetlen forgalmazó sem listázza ezt a kártyát. A listák olyan forgalmazóktól származnak, akik közvetlenül itt publikálják őket. — böngészés a forgalmazói könyvtárban látni, hogy ki mit árul.

Mit jelentenek a számok

Miért a memória az a szám, ami itt számít

VRAM

8 GB

Sávszélesség

60 GB/s

Legnagyobb modell

Baichuan 1-13B

Jetson TX2 csak hordoz 8 GB -nak LPDDR4. Ez korlátozza a katalógus kisebb végére, és egy modellnek teljesen bele kell férnie, mielőtt bármilyen kimenetet generál. Egy futás valójában körülbelül 7.2 GB.

A memóriával rendelkező sávszélesség eléri 60 GB/s egy buszon keresztül a 128 bit. A Sávszélesség ennek a kártyának a valódi korlátozása. Minden token megköveteli az egész modell kiolvasását a memóriából, így egy nagy modell lassúnak tűnik itt, még akkor is, ha belefér.

Ez egy MEMORY CLOCK-ból származik 1.87 GHz. Ezért a magok száma olyan rosszul jósolja a generálási sebességet.

A gyakorlati plafon Baichuan 1-13B, 13.3B, tömörítve Q3_K_M és generálás körül 4.4 tokenek másodpercenként

A chip és hogy hogyan készült

Jetson TX2 a grafikus feldolgozón van építve GP10B, az architektúra használatával Pascal ból NVIDIA, a generáció részeként Tegra(Pascal).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 16 . Egy kisebb folyamat általában nagyobb teljesítményt jelent ugyanannyi energia mellett, bár a nyelvi modellek esetében ez sokkal kevésbé számít, mint a memória alrendszer.

Megjelent a January 2016, nagyjából 10.580819763101 évekkel ezelőtt. A következtetési szoftver támogatás általában egy-két évvel követi a hardvert, így egy ilyen korú KÁRTYA általában érett, jól optimalizált kódútvonalakkal rendelkezik.

A számítási teljesítmény, és hogy miért számít kevesebbet, mint amilyennek tűnik

FP16

1.3 TFLOPS

FP64

20.8 GFLOPS

Papíron Jetson TX2 elér 1.3 TFLOPS félnyes pontossággal, és 665.6 GFLOPS egyszeres pontossággal. Ezek csúcsértékek, amelyeket valós terhelés nem fenntart, és a szöveggenerálás csak ezek egy kis töredékét éri el - a dekódolás a memória által korlátozott, nem pedig a számítási műveletek által, ezért egy kártya itt rendkívül erősnek tűnhet, mégis normális sebességgel állít elő tokeneket.

A dupla pontosságú áteresztőképesség eléri 20.8 GFLOPS. Nincs hatással a nyelvi modell futtatására — a következtetési futási idő nem használja — de elválasztja az adatközponti részeket a fogyasztóiaktól, mivel az utóbbi szándékosan korlátozza azt.

Az órajelek egy alapból futnak 1.3 GHz egy gyorsításra 1.3 GHz. Itt sokkal kevesebbet ér, mint egy játékbenchmarkon: az órajelek emelése felgyorsítja az aritmetikát, és az aritmetika nem az, amire a generáció vár.

Cache és feldolgozó egységek

Jetson TX2 L1 gyorsítótárral rendelkezik 48 Kb, L2 gyorsítótár támogatásával 0.5 MB. A cache egy részesedést felszív a memóriaforgalomból, ami egyébként a fő buszt érné el, ami az egyetlen hely ezen az oldalon, ahol a sávszélességen kívül más szám is csendben befolyásolja a generálási sebességet — egy nagy L2 lehetővé teszi, hogy a munkakészlet több része közel maradjon a magokhoz.

Vannak 256 árnyékoló egységek, 16 Textúrázási egységek, és 16 Render kimeneti egységek. Ezek grafikai munkaterheket kezelnek és hozzájárulnak a prompt feldolgozáshoz, de a modell válasz generálásával töltött idő nagy részében tétlenül állnak.

Teljesítmény, méret és telepítés

Teljesítményfogyasztás

15 W

Jetson TX2 rated at 15 W. Egy nyelvi modell futtatása egy kártyát inkább rövid ideig foglalkoztat, mint folyamatosan — nagy terhelést jelent a generálás során, és kérések között tétlenkedik — így a folyamatos terhelés egy munkanap alatt általában jól a megadott érték alatt van.

A panel elfoglalja igp, mérés 87 mm hosszú. Érdemes ellenőrizni a gépben lévő házat és tápegységet, mivel a legnagyobb kártyáknak lényegesen több mindkettőre van szükségük, mint amit egy tipikus asztali gép biztosít.

Csatlakozik a PCIe 2.0 x4. A felület szabályozza, hogy a modell milyen gyorsan töltődik be a lemezről a kártyára, nem azt, hogy ott milyen gyorsan fut, így egy szűkebb kapcsolat néhány másodpercbe kerül a rendszerindításkor, és utána semmi.

Az extremitások

A legnagyobb AI modellek, amelyek futnak egy Jetson TX2

A legnagyobb open weight modellek, amelyek elférnek ezen a kártyán, legújabb elöl. Mindegyik a kártya által elérhető legjobb tömörítésben van megjelenítve..

  1. 01 OLMo 2 Furious 13B 13B · Q3_K_M · Dec 2024 4.5 tok/s
  2. 02 Cambrian-1-13B 13B · Q3_K_M · Jun 2024 4.5 tok/s
  3. 03 Fugaku-LLM 13B · Q3_K_M · May 2024 4.5 tok/s
  4. 04 OpenThaiGPT v1.0.0 (13B) 13.1B · Q3_K_M · Apr 2024 4.4 tok/s
  5. 05 Aya 13B · Q3_K_M · Feb 2024 4.5 tok/s
  6. 06 Elyza 13B · Q3_K_M · Dec 2023 4.5 tok/s
  7. 07 NexusRaven-V2 13B · Q3_K_M · Dec 2023 4.5 tok/s
  8. 08 Baize-v2-13B (白泽) 13B · Q3_K_M · Dec 2023 4.5 tok/s
  9. 09 Stockmark-13B 13.2B · Q3_K_M · Oct 2023 4.4 tok/s
  10. 10 Baichuan 1-13B 13.3B · Q3_K_M · Jul 2023 4.4 tok/s

A leggyorsabb AI modellek egy Jetson TX2

Ahol ez a KÁRTYA a leggyorsabban állítja elő a tokeneket. A kisebb modellek itt dominálnak, mert minden token előállítása azt jelenti, hogy az egész modellt egyszer kell kiolvasni a memóriából..

  1. 01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 21.5 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 21.5 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 21.5 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 21.5 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 21.5 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 21.5 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 19.9 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 19.5 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 19.5 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 19.5 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy Jetson TX2

Nem kell semmit kézzel kiszámolnod — a gputps.com kalkulátor ezen az oldalon már kiszámította minden modelféleséghez, amit ez a kártya elbír. A válasz leolvasása hat lépést igényel..

  1. 01

    Keresd a modellt a táblázatban

    A táblázat felsorolja 337 modellek, amiket a KÁRTYA kezel. A keresőmező egy nevet vagy egy méretet acceptál, mint például 27b, ami a paraméterszámmal egyezik.

  2. 02

    Állítsd be a ténylegesen használt CONTEXT LENGTH-et.

    A hosszabb beszélgetések memóriahasználata a súlyok mellett. 8 GB Gyakran az az, ami egy nagy modellt a határvonalon túlra lök.

  3. 03

    Rögzítse az összehasonlítást egy minőségi szintre.

    Minden modell a legjobb tömörítésnél van megjelenítve, amit ez a KÁRTYA elbír. Egy minimális minőség elrejti azokat, amelyek csak úgy férnek el, ha további szorításra kerülnek, mint amit te elfogadnál.

  4. 04

    Nézd meg a tartományt, ne csak a számot.

    A sebességek hibahatárokkal járnak okkal. A legjobb eset itt 21.5 tok/s on Gemma 3 QAT 1B. Ugyanaz a Kártya és Modell harminc és ötven százalékos eltérést mutat a következtetési futási idők között.

  5. 05

    Olvasd el a "fit" verdiktet utoljára.

    Egy szoros illeszkedés fut, de nem hagy helyet a későbbi kontextus növelésére; a kényelmesnek van fejtérfölénye. A memória oszlop megmutatja, hogy minden modellnek mire van szüksége a rendelkezésre állóval szemben. 8 GB.

  6. 06

    Nyisd meg a modellt, hogy összehasonlíthasd a kártyákat.

    Minden modell neve a táblázatban a saját oldalára mutat, amely ugyanazt a számítást végzi el az összes kártyán, amelyet birtoklunk. Itt láthatja, hogy a megfelelő vásárlás megfelel-e Jetson TX2.

Válaszok

Jetson TX2 — gyakori kérdések

01

Jetson TX2— Támogatja a CUDA-t?

Igen. Jelentést ad a CUDA számítási képességről. 6.2, ami megelőzi a TENSOR CORES-t. A 7.0 és annál magasabb képességű modellek rendelkeznek tenzormagokkal, amelyeket a modern inferencia szoftver használ; ennél alacsonyabb szinten lassabb kódú utakat használ a kvantált modellekhez.

02

Jetson TX2— Milyen busz interfészt használ?

Használja PCIe 2.0 x4. Ez szabályozza, hogy milyen gyorsan töltődik be egy modell a kártyára, ahelyett, hogy azt nézné, milyen gyorsan fut, miután betöltődött, így ez néhány másodpercet vesz igénybe a rendszerindításkor, és semmit a generálás során.

03

Jetson TX2— jó helyi AI modellek futtatására?

Memóriája miatt kisebb modellekre korlátozódik, bár sávszélessége azt jelenti, hogy a generálás lassúnak fog tűnni a nagyobb modellek esetében. Összesen fut 337 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.

04

Jetson TX2— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Csak részben. Rétegek a kártyán túl. 8 GB ül a rendszer memóriájában és a sebesség egy részén fut, így a főleg leterhelt modell ritkán ér meg használni. Minden itt szereplő számadat azt feltételezi, hogy teljesen a kártyán van.

05

Két Jetson TX2 kártyák kétszer olyan gyorsak lesznek?

Nem. Egy második kártya megduplázza a MEMÓRIÁT a 16 GB kombinált memória, körülbelül ugyanazon generációs sebességgel, mint egy.

06

Jetson TX2— Melyik AI modellt tud futtatni?

337 a 679 A nyomon követett open-weight nyelvi modellek elférnek ezen a kártyán, és helyben futtathatók. Az ezen az oldalon található táblázat minden egyes modellt felsorol, beleértve a szükséges memória mennyiségét, a futtatási kvantálást és a becsült generálási sebességet.

07

Jetson TX2— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az Baichuan 1-13B at 13.3B paraméterek, tömörített Q3_K_M. Körülbelül generál. 4.4 token másodpercenként és körülbelül 7.2 A kártya memória GB-ja.

08

Jetson TX2— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 21.5 tokenek másodpercenként, míg a nagyobb modellek arányosan lassabban futnak, mert minden token megköveteli az egész modell memória-ből való egyszeri kiolvasását. A sebességek becslések egyetlen beszélgetés egyidejűleg.

09

Jetson TX2— futtatható-e 7B modellek?

Igen. Például fut. MetaMath 7B (LLaMa finetune) at Q4_K_M, használva körülbelül 6.5 GB memória és körülbelül generálás 7.1 tokenek másodpercenként

10

Jetson TX2— futtatható-e 13B modellek?

Igen. Például fut. Gemma 4 12B at Q3_K_M, használva körülbelül 6.5 GB memória és körülbelül generálás 4.9 tokenek másodpercenként

11

Jetson TX2— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 8 GB -nak LPDDR4. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 7.2 GB elérhető egy AI modell számára és annak beszélgetéséhez.

12

Jetson TX2— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 60 GB/s egy buszon keresztül a 128 bit. Ez a legjobb előrejelzője annak, hogy milyen gyorsan generál szöveget, mert minden egyes token előállítása azt jelenti, hogy az egész modellt egyszer el kell olvasni a memóriából.

13

Jetson TX2— Milyen típusú MEMORY-t használ?

Használja LPDDR4 órára állítva 1.87 GHz. A HBM típusok adatközponti gyorsítókon találhatók, és sokkal nagyobb sávszélességgel rendelkeznek, mint a GDDR, amit asztali kártyákon használnak, ezért ugyanazon kapacitás mellett jelentősen gyorsabban generálnak tokeneket.

14

Jetson TX2— ki készíti?

Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 16 .

15

Jetson TX2— Mikor adták ki?

Megjelent a January 2016.

16

Jetson TX2— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 15 W. A szöveg generálása nagy terhelést jelent rövid időszakokra, és a kérések között inaktív, így egy munkamenet alatt a fogyasztás általában jól below van a megadott értéknél.

17

Jetson TX2— mennyi cache-e van?

Az L1 gyorsítótár 48 Kb, és az L2 gyorsítótár 0.5 MB. A Cache felszívja a memóriaforgalom egy részét, amely egyébként elérné a fő buszt, így egy nagyobb L2 szerény mértékben növeli a generálási sebességet, a sávszélesség által egyedül előre jelzett értékhez képest.

18

Jetson TX2— mennyi a TFLOPS-ja?

Ez értékelve van 1.3 TFLOPS fél precízióban és 665.6 GFLOPS egyszeres pontossággal. Ezek a csúcs aritmetikai plafonok, nem pedig elérhető sebességek, és a szöveggenerálás csak e plafonok kis részét éri el, mert inkább a memóriabandwidth korlátozza.

A másik irány

Másik oldalról nézve?

Ez az oldal a hardverrel kezdődik. Ha már tudod, melyik AI modelt szeretnéd, és tudni szeretnéd, mi szükséges a futtatásához, Kezdje a MODELBŐL..

Minden GPU