十二畫女孩取名常用字還有十二畫屬火的字有哪些起名字用
本篇文章給大家談?wù)勈嬇⑷∶Ｓ米?，以及十二畫屬火的字有哪些起名字用的知識點(diǎn)，希望對各位有所幫助，不要忘了收藏本站喔。
文章詳情介紹：
【Ai時刻】NVIDIA顯卡Ai算力大比拼，畫Ai女友選哪個？
最近的Ai圈可以說是太火了，前段時間我們編輯部去參加了中國電子博覽會，其中絕大部分的展商都是來自高性能服務(wù)器的品牌。 在探展的過程中，深感如今的Ai算力市場的空前熱度，隨著GPT的爆火，每個企業(yè)、組織、個人都看到了利用Ai來提升生產(chǎn)效率的可能，這其中，以Ai繪畫為代表正在快速席卷著設(shè)計、繪畫、動漫行業(yè)，個人用戶也可以通過stable diffusion等引擎來訓(xùn)練自己的Ai人物形象或者設(shè)計物品。而stable diffusion依賴的正是本地顯卡算力，所以如果想要擁有快速、精準(zhǔn)的Ai圖像生成，一張算力強(qiáng)勁的顯卡是必不可少的。 最近，RTX4070發(fā)布，早就聽聞RTX40系在Ai算力上的提升，所以問DIY大佬借了20系到40系的主流顯卡，來讓它們?nèi)A山論劍，看看誰在Ai繪畫上的能力更強(qiáng)。 Ai作品 首先介紹一下出戰(zhàn)的選手們，老當(dāng)益壯組的20系顯卡：RTX2070、RTX2070S、RTX2080。正值壯年的30系顯卡：RTX3050、RTX3060 12GB、RTX3060Ti、RTX3070 、RTX3070Ti、RTX3080、RTX3080Ti、RTX3090Ti。青春無限的40系顯卡：RTX4070、RTX4070Ti、RTX4080、RTX4090。 賽前首先是選手們的身份信息大公布： 對于本次的Ai繪畫能力對決，區(qū)別選手們的主要點(diǎn)是顯卡的架構(gòu)、CUDA核心數(shù)量、顯存與Tensor核心。其中Tensor核心是NVIDIA部分顯卡中專門用于加速深度學(xué)習(xí)任務(wù)的處理單元。Tensor核心針對深度學(xué)習(xí)中的矩陣運(yùn)算進(jìn)行了優(yōu)化，能夠顯著提高神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和推理速度。在后續(xù)的對比中，我們也能看出Tensor核心的代數(shù)與核心數(shù)與成績的關(guān)系。 第一代Tensor核心首次出現(xiàn)在Volta架構(gòu)顯卡中，針對混合精度矩陣乘法進(jìn)行優(yōu)化。第二代Tensor核心引入Turing架構(gòu)顯卡，增加了對INT8和INT4整數(shù)精度的支持，并引入了RT核心用于實時光線追蹤計算。第三代Tensor核心出現(xiàn)在Ampere架構(gòu)顯卡，提高了FP16混合精度矩陣乘法的FLOPs，并支持稀疏性計算。 而第四代Tensor核心隨著RTX40系的發(fā)布而更新，在全新的NVIDIA Ada架構(gòu)中，通過引入DLSS技術(shù)和Optical Flow Accelerator等新技術(shù)，為Ai提供了顯著的性能提升。并通過Tensor Cores加速器（專門用于深度學(xué)習(xí)任務(wù)的硬件加速器）大幅提高深度學(xué)習(xí)模型訓(xùn)練和推理性能，并且支持FP16、BF16和TF32精度。 此外，Ada GPU架構(gòu)還支持CUDA-X AI軟件庫，這是一套用于加速AI應(yīng)用的軟件工具包。CUDA-X AI包括TensorRT、cuDNN、cuBLAS等組件，可以提高深度學(xué)習(xí)推理性能和訓(xùn)練速度。 好的，簡單介紹完參戰(zhàn)選手們的基本信息，就來到本次比賽的第一關(guān)，基礎(chǔ)性能參數(shù)對比，將由“AIDA64 GPGPU”考官出題，考察選手們的綜合實力。想看Ai美女的觀眾先別急，先放出一張美女墊胃口。 stable diffusion Ai繪畫；來自RTX2080顯卡，1024*1024分辨率，單張耗時：1.14分鐘 第一道題是Single-Precision，這個測試項目評估顯卡在單精度浮點(diǎn)數(shù)運(yùn)算（32位浮點(diǎn)數(shù)）上的性能，單精度浮點(diǎn)數(shù)通常用于表示小數(shù)，以GFLOPS為單位，其表示每秒千億次浮點(diǎn)運(yùn)算。 第二道題是Double-Precision，評估顯卡處理另一種稱為"雙精度浮點(diǎn)數(shù)"的數(shù)據(jù)時的計算能力。雙精度浮點(diǎn)數(shù)比單精度浮點(diǎn)數(shù)更精確，常用于科學(xué)計算等要求高精度的場景。以GFLOPS為單位，其表示每秒千億次浮點(diǎn)運(yùn)算。 第三道題是24-Bit Integer，這個測試項目評估顯卡在24位整數(shù)運(yùn)算上的性能。整數(shù)是沒有小數(shù)部分的數(shù)字，如1、2、3等。以GFLOPS為單位，其表示每秒千億次浮點(diǎn)運(yùn)算。IOPS表示每秒整數(shù)運(yùn)算次數(shù)，GIOPS表示每秒千億次整數(shù)運(yùn)算（Giga IOPS），以GIOPS為單位。 第四道題和第五道題分別是32-Bit Integer、64-Bit Integer，聰明的小伙伴都知道這是跟上面24-Bit Integer是一組組合題，考察顯卡32位整數(shù)運(yùn)算、64位整數(shù)運(yùn)算能力。 第六題是AES-256計算能力，評估顯卡處理一種名為AES-256的加密任務(wù)時的性能。加密是為了保護(hù)數(shù)據(jù)安全而對數(shù)據(jù)進(jìn)行編碼的過程。 第七題是SHA-1 Hash編碼能力，這個可能很多玩家都比較熟悉，這就是挖礦佬喜歡的哈希算力，哈希算法是一種將數(shù)據(jù)轉(zhuǎn)換成固定長度的唯一字符串的過程，通常用于校驗數(shù)據(jù)完整性和安全應(yīng)用，常用于區(qū)塊鏈應(yīng)用中。 第八題是Single-Precision julia，這個測試項目評估顯卡在渲染單精度Julia分形圖像時的性能。Julia分形是一種復(fù)雜數(shù)學(xué)對象，需要大量計算資源進(jìn)行渲染。測試結(jié)果以FPS表示。 最后一題便是Double-Precision Mandel；雙精度Mandelbrot分形渲染，評估顯卡渲染一種名為Mandelbrot分形的復(fù)雜數(shù)學(xué)圖形時的性能。類似于Julia分形渲染，但使用更高精度的數(shù)據(jù)進(jìn)行計算。 對于AIDA64 GPGPU的測試，我們可以看出，除了頂級的RTX4090外，剩下顯卡之間都存在著明顯的遞進(jìn)關(guān)系，等級森嚴(yán)，與售價與定位嚴(yán)格掛鉤，此外，數(shù)據(jù)測試僅能作為Ai制圖的一個參考項目，旨在對比不同顯卡之間的數(shù)據(jù)。 參戰(zhàn)選手的首發(fā)價格對比 接下來就進(jìn)入正式的Ai繪畫環(huán)節(jié)，首先是畫NVIDIA官方指定的小房子，看看效果。畫圖的參數(shù)是：使用v2-1 768-emapruned模型；768*768的尺寸；Steps: 50；CFG scale: 7.5，共畫10組，每組2張。 Ai作品 Ai作品 從測試結(jié)果來看，各位參戰(zhàn)選手的Ai繪畫表現(xiàn)與他們在AIDA64 GPGPU中的各項考試表現(xiàn)類似，柱狀圖的分布幾乎一致，其中低于5張/min的選手有RTX2070、RTX3050、RTX3060，雖然RTX3060配有12GB的大顯存，但在Ai畫圖所需要的高算力面前還是只能甘拜下風(fēng)，112核心的第三代Tensor沒能讓它在Ai畫圖中繼續(xù)“甜品”下去。 而超過了優(yōu)秀水平10張/min的選手就比較多了，RTX3080Ti、RTX3090Ti、RTX4070Ti、RTX4080、RTX4090，以及兩個9張/min的差點(diǎn)成為優(yōu)秀水平的RTX3080和RTX4070，這兩位選手的用時幾乎一致，但RTX4070只搭載了184核心的第四代Tensor，而RTX3080則是使用了272核心的第三代Tensor，這33%的核心數(shù)差距，就是通過技術(shù)迭代來彌補(bǔ)的。 接下來看一下選手們在畫NVIDIA小屋時的顯存占用情況，為了方便比賽公平起見，我們按照顯存容量進(jìn)行了分組： 8GB顯存組 12GB顯存組 其他顯存組 整體表現(xiàn)情況 通過圖表與數(shù)據(jù)情況可知，在畫NVIDIA小屋的時候，面對768*768分辨率的Ai畫圖情況，顯卡的顯存普遍占用都在8GB左右，如果只是搭載了8GB顯存的顯卡，就會有跑滿的風(fēng)險，從而拖累運(yùn)算速度。 接下來就是大家期待的畫Ai小姐姐，在畫小姐姐的選擇上，我們使用了chilloutmix NiPrunedFp32Fix模型，匹配3個不同的LORA人體素材庫，調(diào)整了各素材的比重，最終繪制出獨(dú)一無二的小姐姐，單幅尺寸為1024*1024，一組5張。 首先來欣賞一下小姐姐的美貌： stable diffusion Ai繪畫 stable diffusion Ai繪畫 stable diffusion Ai繪畫 stable diffusion Ai繪畫 stable diffusion Ai繪畫 具體的Prompt以及模型配置如圖，喜歡的小伙伴可以直接Copy，把小姐姐帶回家 由于畫小姐姐的模型和配置以及尺寸較大，對各位選手也造成了巨大的考驗，就連算力最為強(qiáng)勁的RTX4090，也只保持不到3張每分鐘的成績，可見對于畫高清人像來說，游戲顯卡還是有著較高的壓力，來看一下各位選手們的成績吧。 面對巨大的算力挑戰(zhàn)，各位參賽選手出現(xiàn)了明顯的性能吃緊，不少選手們的繪畫時間只能保持在一分鐘一張左右，而特別出色的旗艦選手們才能碰到2張每分鐘的門檻。甚至還有的選手（RTX3050）只能維持2分鐘畫一張的水平。 在畫NVIDIA小屋時旗鼓相當(dāng)?shù)腞TX3080和RTX4070終于在這輪拉開了差距，RTX3080以近20%的實力差距絕殺了RTX4070，也以10%的優(yōu)勢超過了RTX4070Ti，穩(wěn)住了80顯卡的尊嚴(yán)與威望。 而在顯存占用上，NVIDIA小屋比賽時還有能漏網(wǎng)之魚的8GB顯存組，在本輪測試中，無一例外，全部顯存跑滿，集體出現(xiàn)顯存不足的情況。 在12GB顯存組選手中，雖然沒有跑滿顯存，但是在RTX40系顯卡中也出現(xiàn)了顯存吃緊的情況，RTX40系兩兄弟顯存都被Ai吃掉了95%左右。 與RTX3090Ti同樣使用24GB顯存的RTX4090，在Ai畫圖時就比前者多占用了17%左右的顯存空間，讓Ai引擎吃到了17GB左右的顯存空間，配合一騎絕塵的512核心第四代Tensor核心，無疑問鼎了本次Ai繪畫算力對比之巔。 整體表現(xiàn)情況 顯卡Ai繪圖最大功耗一覽 顯卡能耗比情況一覽 ? 總結(jié) 顯卡與AI繪畫的關(guān)系就像是畫家的手與畫筆之間的緊密配合，在這個關(guān)系中，顯卡是高效處理大量并行計算任務(wù)的關(guān)鍵硬件，而AI繪畫則是依賴顯卡強(qiáng)大計算能力實現(xiàn)的一種先進(jìn)的藝術(shù)形式。AI繪畫技術(shù)通常采用生成對抗網(wǎng)絡(luò)（GANs）或變分自編碼器（VAEs）等深度學(xué)習(xí)模型來生成具有特定風(fēng)格或特征的圖像。 而顯卡也已經(jīng)從單純的圖像處理器，逐漸演變成了復(fù)雜的計算平臺。二者相輔相成，相互促進(jìn)Ai生成、深度學(xué)習(xí)、顯卡領(lǐng)域的不斷發(fā)展，成為硬件市場上為數(shù)不多仍然煥發(fā)活力的領(lǐng)域。 Ai算力服務(wù)器-Ai繪畫 在本期的【AI時刻】中，我們對15款NVIDIA顯卡的stable diffusion AI繪畫能力進(jìn)行了深入評測。從測試結(jié)果中，我們明顯看到顯卡在AI和深度學(xué)習(xí)算力上的持續(xù)進(jìn)步。尤其是在RTX 40系列顯卡中，得益于全新的架構(gòu)和更加先進(jìn)的Tensor核心技術(shù)，使得RTX 4070不僅能與前代RTX 3080在AI算力上一較高下，同時在保持中上游AI性能的情況下，功耗更加優(yōu)越。 因此，如果你對AI計算（如畫AI小姐姐）感興趣，并希望擁有一款性能與功耗兼顧的顯卡，那么RTX 4070無疑是一個理想的選擇。而如果你打算通過游戲顯卡（由于各種原因，NVIDIA A100/H100難以購買）來搭建一個小型AI服務(wù)器，那么選擇多張RTX 4090則毫無疑問是最佳方案。無論是從性能、功耗還是擴(kuò)展性的角度，RTX 40系列顯卡為游戲玩家、AI領(lǐng)域的開發(fā)者提供了更多可能性，展示了顯卡技術(shù)在未來的發(fā)展?jié)摿Α?
作者:piikee | 分類:八字起名 | 瀏覽:27 | 評論:0
