Számítsa ki a TPS-t a Tesla V100 PCIe 16 GB helyi AI modellek

NVIDIA 16 GB HBM2 897 GB/s June 2017

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

432 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

Nemotron 3-Nano-30B-A3B

31.6B · Q3_K_M · 180 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

380 tok/s · 1B

Mely AI modellek futhatnak egy Tesla V100 PCIe 16 GB?

Állítsa be a bemeneteket, olvassa el a választ

Kontekthossz tokenek

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

Minimum minőség

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

Modellek keresése

Modell méret

Kiadott

Ismertesse a modelleket, amelyeket nem tud futtatni.

432 modellek megfelelnek

Számítás

						Kvantisálás	Illeszkedik
380 tok/s 323–456	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
380 tok/s 323–456	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
380 tok/s 228–608 · alacsony bizalom	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
380 tok/s 228–608 · alacsony bizalom	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
380 tok/s 228–608 · alacsony bizalom	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
380 tok/s 228–608 · alacsony bizalom	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
352 tok/s 211–563 · alacsony bizalom	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
345 tok/s 207–553 · alacsony bizalom	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
345 tok/s 207–553 · alacsony bizalom	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
345 tok/s 207–553 · alacsony bizalom	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
345 tok/s 207–553 · alacsony bizalom	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
317 tok/s 190–507 · alacsony bizalom	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
317 tok/s 190–507 · alacsony bizalom	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
317 tok/s 190–507 · alacsony bizalom	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
317 tok/s 190–507 · alacsony bizalom	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
309 tok/s 263–371	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokenek	Q8_0	Kényelmes
305 tok/s 183–487 · alacsony bizalom	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
292 tok/s 175–468 · alacsony bizalom	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
292 tok/s 175–468 · alacsony bizalom	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
292 tok/s 175–468 · alacsony bizalom	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
292 tok/s 175–468 · alacsony bizalom	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
292 tok/s 175–468 · alacsony bizalom	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
292 tok/s 175–468 · alacsony bizalom	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
292 tok/s 175–468 · alacsony bizalom	Otter ≈	1.3B	May 2023	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
292 tok/s 175–468 · 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

Tesla V100 PCIe 16 GB 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: 16 GB
Memória sávszélesség: 897 GB/s
Memória típus: HBM2
Memória busz szélessége: 4,096 bit
Memória óra: 876 MHz

A chip

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

Grafikus processzor: GV100
Architektúra: Volta
Generáció: Tesla Volta(Vxx)
Öntödé: TSMC
Feldolgozási méret: 12 nm
Tranzisztorok: 21.1 billion
Tranzisztor sűrűség: 25,900 K/mm²
Die méret: 815 mm²
Kiadott: 21 June 2017

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: 1.25 GHz
Turbóóra: 1.38 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: 5,120
Textúrázási egységek: 320
Render kimeneti egységek: 128
Streaming multiprocesszorok: 80
Tenzor magok: 640
L1 gyorsítótár: 128 KB
L2 gyorsítótár: 6 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): 28.3 TFLOPS
Egyszeres pontosság (FP32): 14.1 TFLOPS
Kettős pontosság (FP64): 7.1 TFLOPS
Pixelek aránya: 177 GPixel/s
Textúra sebesség: 442 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): 300 W
Javasolt tápegység: 700 W
Áramellátó csatlakozók: 2x 8-pin
Busz interfész: PCIe 3.0 x16
Bővítőhely szélessége: Dual-slot

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: 7.0
DirectX: 12.1
OpenGL: 4.6
Vulkan: 1.4
OpenCL: 3.0
Shader modell: 6.8

Lista

Hol lehet venni egy Tesla V100 PCIe 16 GB

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

Kapacitás és sávszélesség

VRAM

16 GB

Sávszélesség

897 GB/s

Legnagyobb modell

Nemotron 3-Nano-30B-A3B

Tesla V100 PCIe 16 GB hordoz 16 GB -nak HBM2. Ez kényelmesen elérhető a kis és közepes modellekhez, bár a legnagyobbak elérhetetlenek maradnak, ha nem osztják őket. A meghajtói terhelés körülbelül 14.4 GB.

A memóriával rendelkező sávszélesség eléri 897 GB/s egy buszon keresztül a 4,096 bit. A token generálása azt jelenti, hogy minden súlyt egyszer elolvasunk, így ez a szám inkább meghatározza a tempót, mint bármely más szám itt, és ezen a szinten a szöveg gyorsabban érkezik, mint ahogy a legtöbb ember olvas.

A szám a busz szélessége és a memória óra szorzataként van. 876 MHz. A busz szélesítése és az óra megemelése az a két kar, amellyel egy gyártó rendelkezik, ezért egy közönséges magokkal rendelkező kártya is gyorsan tud generálni.

A gyakorlati plafon Nemotron 3-Nano-30B-A3B, 31.6B, tömörítve Q3_K_M és generálás körül 180 tokenek másodpercenként

A chip és hogy hogyan készült

Tesla V100 PCIe 16 GB a grafikus feldolgozón van építve GV100, az architektúra használatával Volta ból NVIDIA, a generáció részeként Tesla Volta(Vxx).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 12 , egy kockával, amely méri 815 mm², tartás 21.1 billion Tranzisztorok. 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 June 2017, nagyjából 9.1121825750332 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

28.3 TFLOPS

FP64

7.1 TFLOPS

Tenzor magok

640

Papíron Tesla V100 PCIe 16 GB elér 28.3 TFLOPS félnyes pontossággal, és 14.1 TFLOPS 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 7.1 TFLOPS. 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.

A kártya hordozza 640 Tenzor magok át跨 80 Streaming multiprocesszorok. Ezek felgyorsítják a mátrix aritmetikát, amely a transzformátor szívében található, és ők azok, akik drámaian gyorsabbá teszik a prompt feldolgozást — egy hosszú dokumentum elolvasását mielőtt válaszolnának — mint ahogyan az máskülönben lenne.

Az órajelek egy alapból futnak 1.25 GHz egy gyorsításra 1.38 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

Tesla V100 PCIe 16 GB L1 gyorsítótárral rendelkezik 128 Kb, L2 gyorsítótár támogatásával 6 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 5,120 árnyékoló egységek, 320 Textúrázási egységek, és 128 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

300 W

Tesla V100 PCIe 16 GB rated at 300 W, és a javasolt rendszer tápegység 700 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 dual-slot, és szükséges 2x 8-pin. 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 3.0 x16. 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 Tesla V100 PCIe 16 GB

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

01 North Mini Code 30B · Q3_K_M · Jun 2026 190 tok/s
02 Qwen 3.6-27B 27B · Q3_K_M · Apr 2026 38.0 tok/s
03 Qwen3.5-27B 27B · Q3_K_M · Feb 2026 38.0 tok/s
04 Nemotron 3-Nano-30B-A3B 31.6B · Q3_K_M · Dec 2025 180 tok/s
05 Nomos 1 30B · Q3_K_M · Dec 2025 190 tok/s
06 C2S-Scale 27B · Q3_K_M · Oct 2025 38.0 tok/s
07 Gemma-SEA-LION-v4-27B-IT 27B · Q3_K_M · Aug 2025 38.0 tok/s
08 ERNIE-4.5-VL-28B-A3B 28B · Q3_K_M · Jun 2025 203 tok/s
09 Qwen3-30B-A3B 30B · Q3_K_M · Apr 2025 190 tok/s
10 Gemma 3 QAT 27B 27B · Q3_K_M · Apr 2025 38.0 tok/s

A leggyorsabb AI modellek egy Tesla V100 PCIe 16 GB

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..

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 380 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 380 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 380 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 380 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 380 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 380 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 352 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 345 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 345 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 345 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy Tesla V100 PCIe 16 GB

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..

01

Keresd a modellt a táblázatban

A táblázat felsorolja 432 modellek, amelyeket ez a kártya futtat. A keresés szűkíti a listát név vagy méret alapján.
02

Illeszd a kontextust a munkádhoz

A hosszabb beszélgetések memóriahasználata a súlyok mellett. 16 GB tehát a beállítást megéri jól csinálni.
03

Állítson be egy minimális minőséget, ha szüksége van rá.

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.
04

Nézd meg a tartományt, ne csak a számot.

A sebességek hibahatárokkal járnak okkal. A legjobb eset itt 380 tok/s on Gemma 3 QAT 1B. Ugyanaz a Kártya és Modell harminc és ötven százalékos eltérést mutat a következtetési futási idők között.
05

Ellenőrizze a memória oszlopot elköteleződés előtt.

A megfelelő oszlop elkülöníti azokat a modelleket, amelyek éppen elférnek, azoktól, amelyeknek van szabad helyük — érdemes megnézni, mielőtt döntést hozunk egy elérhetőről. 16 GB.
06

Nyisd meg a modellt, hogy összehasonlíthasd a kártyákat.

Minden modell oldala megismétli ezt a számítást az egész katalógusra. Érdemes megnézni, mielőtt döntesz: megmutatja, mi fut még ugyanazzal a modellel, mellette Tesla V100 PCIe 16 GB.

Válaszok

Tesla V100 PCIe 16 GB — gyakori kérdések

Tesla V100 PCIe 16 GB— Melyik AI modellt tud futtatni?

432 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.

Tesla V100 PCIe 16 GB— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az Nemotron 3-Nano-30B-A3B at 31.6B paraméterek, tömörített Q3_K_M. Körülbelül generál. 180 token másodpercenként és körülbelül 14.4 A kártya memória GB-ja.

Tesla V100 PCIe 16 GB— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 380 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.

Tesla V100 PCIe 16 GB— futtatható-e 7B modellek?

Igen. Például fut. Multi-Token Prediction 7B at Q8_0, használva körülbelül 7.9 GB memória és körülbelül generálás 56.7 tokenek másodpercenként

Tesla V100 PCIe 16 GB— futtatható-e 13B modellek?

Igen. Például fut. DeepSeekMoE-16B at Q6_K, használva körülbelül 13.7 GB memória és körülbelül generálás 192 tokenek másodpercenként

Tesla V100 PCIe 16 GB— futtatható-e 30B modellek?

Igen. Például fut. ERNIE-4.5-VL-28B-A3B at Q3_K_M, használva körülbelül 12.9 GB memória és körülbelül generálás 203 tokenek másodpercenként

Tesla V100 PCIe 16 GB— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 16 GB -nak HBM2. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 14.4 GB elérhető egy AI modell számára és annak beszélgetéséhez.

Tesla V100 PCIe 16 GB— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 897 GB/s egy buszon keresztül a 4,096 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.

Tesla V100 PCIe 16 GB— Milyen típusú MEMORY-t használ?

Használja HBM2 órára állítva 876 MHz. 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.

Tesla V100 PCIe 16 GB— ki készíti?

Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 12 .

Tesla V100 PCIe 16 GB— Mikor adták ki?

Megjelent a June 2017.

Tesla V100 PCIe 16 GB— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 300 W, és a javasolt rendszer tápegység 700 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.

Tesla V100 PCIe 16 GB— mennyi cache-e van?

Az L1 gyorsítótár 128 Kb, és az L2 gyorsítótár 6 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.

Tesla V100 PCIe 16 GB— mennyi a TFLOPS-ja?

Ez értékelve van 28.3 TFLOPS fél precízióban és 14.1 TFLOPS 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.

Tesla V100 PCIe 16 GB— Hány TENSOR CORE-ja van?

Van 640 Tenzor magok át跨 80 Streaming multiprocesszorok. Felgyorsítják a mátrixaritmetikát, amelyből a transformer fel van építve, ami elsősorban a hosszú prompt feldolgozását gyorsítja, nem pedig a válasz előállítását.

Tesla V100 PCIe 16 GB— Támogatja a CUDA-t?

Igen. Jelentést ad a CUDA számítási képességről. 7.0. 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.

Tesla V100 PCIe 16 GB— Milyen busz interfészt használ?

Használja PCIe 3.0 x16. 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.

Tesla V100 PCIe 16 GB— jó helyi AI modellek futtatására?

Memóriája kis és közepes méretű modelleket fed le, bár a legnagyobbak elérhetetlenek, és a sávszélessége elég magas ahhoz, hogy szöveget generáljon gyorsabban, mint amit a legtöbb ember olvas. Összesen fut 432 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.

Tesla V100 PCIe 16 GB— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Csak részben. Rétegek a kártyán túl. 16 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.

Két Tesla V100 PCIe 16 GB kártyák kétszer olyan gyorsak lesznek?

A párosításuk fejlesztési lehetőséget biztosít a sebesség helyett: 32 GB kombinált memória, körülbelül ugyanazon generációs sebességgel, mint egy.

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