TEST

Die NVIDIA Titan V im Workstation- und Compute-Einsatz - Finale Einschätzung und Fazit

Portrait des Authors


Werbung

Die erhobenen Werte sind aus mehreren Gesichtspunkten zu betrachten und zeigen dann auch sehr schön die Stärken und Schwächen der NVIDIA Titan V. Während Anwendungen die per OpenCL oder CUDA rein auf die FP32-Recheneinheiten setzen "nur" durch deren Zugewinn profitieren, profitieren Anwendungen die auf die FP64-Recheneinheiten und Tensor Cores setzen deutlich stärker. Erstgenanntes Szenario zeigt also grundsätzlich nur den Unterschied zwischen 3.584 oder 3.840 zu 5.120 Shadereinheiten der Titan V auf. Das Plus von 30 bis 40 % ist aber auch hier eines, welches der Nutzer sicherlich gerne mitnimmt. Ein 3D-Rendering wird aber sicherlich nicht die Domäne einer Titan V sein.

Schon anders sieht dies für das Ray Tracing und Anwendungen aus, die das verbesserte Verhältnis zwischen FP32- und FP64-Recheneinheiten nutzen. Der Luxmark und V-Ray-Benchmark zeigen die Vorteile der NVIDIA Titan V hier deutlich auf. Gleiches gilt auch für GPUPI, wo ebenfalls FP64-Berechnungen durchgeführt werden. Das sogenannte Number Crunching, also Simulationen und Finanzanalysen, sind eine der Stärken der Titan V von NVIDIA.

Das absolute Steckenpferd der Titan V sind aber die Training und das Inferencing der Deep-Learning-Netzwerke. Wir haben hier drei Beispiele, die auch die unterschiedlichen Ansätze für die entsprechenden Algorithmen offenlegen. Convolutional Networks werden bei der Bild- und Videoanalyse verwendet. Hier erreicht die Titan V eine um den Faktor 3,7 höhere Leistung als die nicht minder leistungsstarke Quadro P100, die als Tesla P100 explizit für diesen Einsatz auf etwas höhere Leistungswerte kommt, von der Titan V aber noch immer um längen geschlagen wird.

Das Natural Language Processing und die Neural Machine Translation sind Recurrent Networks. Sie entsprechen in etwa dem, wie unser Gehirn funktioniert. Hier gibt es direkte Verbindungen zwischen den verschiedenen Ebenen, sodass sich solche Netzwerke beispielsweise für die Sprach- oder Handschrifterkennung eignen. Auch dazu haben wir zwei Benchmarks gemacht, welche die Vorteile der Titan V mit ihren 640 Tensor Cores klar aufzeigen. Geht es um die Latenz der Ausgabe, dem Inferencing, werden die Vorteile des schnellen High Bandwidth Memory deutlich. Diesen Vorteil genießt aber auch schon die GP100-GPU. Vergleicht man die Leistungswerte der Titan V allerdings mit den älteren GPU-Architekturen bzw. solchen ohne schnellen Speicher, sprechen wir hier von Größenordnungen mit dem Faktor 10 an Leistungsunterschieden. Die Dauer für das Inferencing bzw. eine möglichst kleine Latenz ist ebenso wichtig wie die Rechenleistung für das Training selbst. NVIDIA nennt die aktuelle Umsetzung Super Real Time und beschrieb sie zuletzt auf der GTC Europe im Oktober.

Datenschutzhinweis für Youtube



An dieser Stelle möchten wir Ihnen ein Youtube-Video zeigen. Ihre Daten zu schützen, liegt uns aber am Herzen: Youtube setzt durch das Einbinden und Abspielen Cookies auf ihrem Rechner, mit welchen Sie eventuell getracked werden können. Wenn Sie dies zulassen möchten, klicken Sie einfach auf den Play-Button. Das Video wird anschließend geladen und danach abgespielt.

Ihr Hardwareluxx-Team

Youtube Videos ab jetzt direkt anzeigen

Für welche Anwendergruppe ist die Titan V nun also die richtige Karte? Diese Fragen haben wir schon nach den ersten Gaming-Tests gestellt und konnten sie klar beantworten: Spieler profitieren nicht in dem Maße, wie es der Preis von 3.100 Euro rechtfertigen würde. Wer aber das nötige Kleingeld hat, kann auch hier zuschlagen. Wieder einmal muss eine Auto-Analogie herhalten: Wer einen Sportwarten mit einem Topspeed von 320 km/h besitzt, muss auch deutlich mehr für einen Wagen zahlen, der 350 km/h schafft. Der Aufpreis steht auch hier nicht im Verhältnis des Zugewinns von 30 km/h.

Schon einfacher ist die Beantwortung der Frage hinsichtlich der Workstation-Leistung. Gerade bei FP64-Berechnungen sowie unter Verwendung der Tensor Cores für Deep-Learning-Netzwerke besitzt die NVIDIA Titan V ausreichende Argument, die einen Kauf rechtfertigen können. Wer sein Geld mit der Entwicklung entsprechender Programme oder deren Erforschung verdient, für den sind 3.100 Euro keine allzu große Investition, zumal die "echten" GPU-Beschleuniger mit gleicher Hardwarebasis gerne einmal das Zwei- bis Dreifache kosten. Die NVIDIA Titan V ist für NVIDIA eine "Einstiegshardware" mit erwachsenem Preisschild und dementsprechend kleiner Zielgruppe. Aber über diesen Umstand wird man sich im Klaren sein und mit der gebotenen Leistung wird die Titan V auch ihre Käufer finden.