性能实测

只看官方算力大小不完全能体现出不同GPU的差异和好坏，比如显存带宽对最终耗时也会产生较大影响，这里以深度学习典型任务为例进行实测对比。

---

测试说明：

1. 使用PyTorch=1.9.0在zscloud不同GPU(均为单卡测试)上实测

2. 网络的输入为使用torch.zero在内存中构造的伪数据，因此不包含CPU预处理数据的负载和额外IO的影响，主要是GPU本身的性能占主导

3. 测试ResNet50和ViT Transformer两种算法。ResNet网络包含激活较多，除了本身算力，显存的带宽也对性能有较大影响。ViT Transfomer卷积多，本身算力大小占主要因素

4. 包含单精FP32和半精FP16（非混合精度）的测试结果，请根据自己的需要进行对比

GPU显存大小也是重要的使用考量因素，关于GPU的账面参数对比可以参考文档，硬件更详细的参数可以从这个网址查询。