TGFC Lifestyle - Powered by Discuz! Board

标题: [电脑] 老黄为啥不阉掉游戏显卡的生产力性能呢？ [打印本页]

作者: 铁观音 时间: 2020-11-26 11:53 标题: 老黄为啥不阉掉游戏显卡的生产力性能呢？

搞得那么多炼丹师来抢游戏卡，岂不是断了自己利润丰厚超级溢价的专业卡销路？
我身为一个臭打游戏的替老黄着急啊

作者: shinsuke 时间: 2020-11-26 12:08

posted by wap, platform: iPhone
哈哈哈

作者: Paradoges 时间: 2020-11-26 12:29

先不提可不可行，为啥缺货就要矿老板和炼丹师背锅，必须要有一个巫妖王吗

作者: yfl2 时间: 2020-11-26 12:32

posted by wap, platform: Samsung
实际就是细分定价，真的高端用户还是买专业卡，还可以维持高价，普通用户不会买那么贵的，就留个后门，类似优惠券

作者: defer 时间: 2020-11-26 12:41

卖给穷学生让你上车，和教育折扣一个道理。

作者: Shadd 时间: 2020-11-26 13:01

RTX8000？
现在很多专业软件都转向游戏卡的利用。比如creo，比如Octain，帮大家省了一大笔钱，还能光明正大入手顶级游戏卡，简直菩萨心肠

作者: 临界质量 时间: 2020-11-26 13:06

posted by wap, platform: Chrome
怎么可能，没有cuda运算那谁还买n卡

作者: 铁观音 时间: 2020-11-26 13:12

引用:

原帖由 临界质量 于 2020-11-26 13:06 发表
posted by wap, platform: Chrome
怎么可能，没有cuda运算那谁还买n卡

问下，CUDA在游戏里起什么作用？

作者: manvvvv 时间: 2020-11-26 13:16

谁告诉你显卡只是用来玩游戏的？现在自媒体UP主标配N卡剪片子，需求不要太旺盛。

作者: Shadd 时间: 2020-11-26 13:20

没错，现在渲染已经大众化娱乐化，很多卖衣服卖首饰的女的都在学视频剪辑和渲染，发微信发抖音招揽顾客

作者: 临界质量 时间: 2020-11-26 13:28

posted by wap, platform: Chrome

引用:

原帖由 @铁观音于 2020-11-26 13:12 发表
问下，CUDA在游戏里起什么作用？

不怎么玩游戏，不过gpu渲染都得靠这玩意，玩游戏的话n卡a卡应该没啥区别

作者: realsquall 时间: 2020-11-26 13:43

现在一张显卡都要6000了，呵呵。。。
1060,1070那会儿上市时候价格是多少？

作者: Wbird 时间: 2020-11-26 15:24

posted by wap, platform: iPhone
玩游戏买A卡不好么？

作者: manvvvv 时间: 2020-11-26 15:26

引用:

原帖由 Wbird 于 2020-11-26 03:24 PM 发表
posted by wap, platform: iPhone
玩游戏买A卡不好么？

A卡可是挖矿的祖宗。。。

作者: elia 时间: 2020-11-26 15:30

买给你和买给矿主，有什么区别呢？矿主还出钱多点呢

作者: 去日留痕 时间: 2020-11-26 15:44

posted by wap, platform: iPhone

引用:

原帖由 @elia 于 2020-11-26 15:30 发表
买给你和买给矿主，有什么区别呢？矿主还出钱多点呢

矿主用太狠，维修率高？

作者: 來福時代 时间: 2020-11-26 15:46

posted by wap, platform: iPhone
成本不划算呗，矿市经常崩掉怎么办

作者: ylara 时间: 2020-11-26 16:15

posted by wap, platform: iPad

引用:

原帖由 @铁观音于 2020-11-26 13:12 发表
问下，CUDA在游戏里起什么作用？

物理模拟，DLSS。

作者: 铁观音 时间: 2020-11-26 16:18

引用:

原帖由 elia 于 2020-11-26 15:30 发表
买给你和买给矿主，有什么区别呢？矿主还出钱多点呢

矿老板我不管，而且矿老板买卡老黄一样赚钱
我说的是炼丹师，那帮人本来应该是去买专业卡或者计算卡的，那东西老黄赚钱狠
我心疼老黄

作者: arex 时间: 2020-11-26 16:35

引用:

原帖由 去日留痕 于 2020-11-26 15:44 发表
posted by wap, platform: iPhone
矿主用太狠，维修率高？

基本都是保修半年的

作者: Wbird 时间: 2020-11-27 10:52

posted by wap, platform: iPhone

引用:

原帖由 @铁观音于 2020-11-26 16:18 发表
矿老板我不管，而且矿老板买卡老黄一样赚钱
我说的是炼丹师，那帮人本来应该是去买专业卡或者计算卡的，那东西老黄赚钱狠
我心疼老黄

学生还有自费的怎么办？

现在这样等于变相补贴，降低门槛
万一炼丹失败还可以玩游戏，多么人性化！

商用的卖授权，老黄数钱数到手抽筋

作者: gunsou 时间: 2020-11-27 11:43

posted by wap, platform: Android

引用:

原帖由 @Shadd 于 2020-11-26 13:20 发表
没错，现在渲染已经大众化娱乐化，很多卖衣服卖首饰的女的都在学视频剪辑和渲染，发微信发抖音招揽顾客

不不不后面这些需求剪映足矣…

作者: Jonsoncao 时间: 2020-11-27 12:26

引用:

原帖由 ylara 于 2020-11-26 16:15 发表
posted by wap, platform: iPad
物理模拟，DLSS。

实际上生成网格，着色，光栅化等等大规模的小矩阵向量乘法都是由CUDA核心完成的

tensor核心对更大尺寸的矩阵向量16位浮点的运算更快更有效率，所以游戏里面一般负责后处理（DLSS）

tensor核心出现后现在训练大型模型可以用所谓的mixed precision爽死了，模型的参数是用FP32存，但是训练求导数用FP16，而且主流软件包都是自动mixed precision不用你调底层API爽歪歪（我用这个https://pytorch.org/docs/master/amp.html）。

作者: ylara 时间: 2020-11-27 16:35

posted by wap, platform: iPhone

引用:

原帖由 @Jonsoncao 于 2020-11-27 12:26 发表
实际上生成网格，着色，光栅化等等大规模的小矩阵向量乘法都是由CUDA核心完成的

tensor核心对更大尺寸的矩阵向量16位浮点的运算更快更有效率，所以游戏里面一般负责后处理（DLSS）

tensor核心出现后现在训练大型模型可以用所谓的mixed precision爽死了，模型的参数是用FP32存，但是训练求导数用FP16，而且主流软件包都是自动mixed precision不用你调底层API爽歪歪（我用这个https://pytorch.org/docs/master/amp.html）。

我tf 用fp16遇到过frozen weights，估计是numerical issue导致梯度算不出。

作者: Jonsoncao 时间: 2020-11-27 23:49

引用:

原帖由 ylara 于 2020-11-27 16:35 发表
posted by wap, platform: iPhone
我tf 用fp16遇到过frozen weights，估计是numerical issue导致梯度算不出。

如果是tf底层有问题算梯度炸掉了，提供几个比较低效率的暴力的解决办法

每个epoch都存model checkpoint，然后手工写一个梯度norm的callback，大于某个值就触发callback
换回FP32练一个epoch（没用过tf的mixed precision，不知道是不是像pt那样方便切换，amp封装得很好，可以用decorator直接放在模型外面而不用人肉改dtype一类）
如果依然炸了，多半模型有问题。

如果是CNN，先load一个train到比较好的模型，可以试验下freeze前面几层负责feature extraction的层的weights，只用FP16练接近输出的层；
一层一层的往回试验直到把dense的层试验完，哪一层爆了就在那里加一点dropout和batchnorm再试验。

当然这样比较折腾还不如直接FP32，基于RNN的模型（LSTM，GRU或者transformer）都不建议用FP16，因为loss的landscape太陡峭了，FP32练很多模型都需要warmup phase，练好之后很多weights都是10^{-7}，10^{-8}量级的，FP16没法resolve。
个人经验是FP16很适合帮smooth的loss在开始阶段跳出不好的local minimum和saddle point，不用人肉去想learning rate scheduler应该怎么设。

作者: ylara 时间: 2020-11-28 05:06

posted by wap, platform: iPhone

引用:

原帖由 @Jonsoncao 于 2020-11-27 23:49 发表
如果是tf底层有问题算梯度炸掉了，提供几个比较低效率的暴力的解决办法

每个epoch都存model checkpoint，然后手工写一个梯度norm的callback，大于某个值就触发callback
换回FP32练一个epoch（没用过tf的mixed precision，不知道是不是像pt那样方便切换，amp封装得很好，可以用decorator直接放在模型外面而不用人肉改dtype一类）
如果依然炸了，多半模型有问题。

如果是CNN，先load一个train到比较好的模型，可以试验下freeze前面几层负责feature extraction的层的weights，只用FP16练接近输出的层；
一层一层的往回试验直到把dense的层试验完，哪一层爆了就在那里加一点dropout和batchnorm再试验。

当然这样比较折腾还不如直接FP32，基于RNN的模型（LSTM，GRU或者transformer）都不建议用FP16，因为loss的landscape太陡峭了，FP32练很多模型都需要warmup phase，练好之后很多weights都是10^{7}，10^{8}量级的，FP16没法resolve。
个人经验是FP16很适合帮smooth的loss在开始阶段跳出不好的local minimum和saddle point，不用人肉去想learning rate scheduler应该怎么设。

Thanks! 话说回来，你最近除了kaggle还在搞哪些dl的研究？我最近在搞些nerf和detr的东西...

作者: Jonsoncao 时间: 2020-11-28 10:06

引用:

原帖由 ylara 于 2020-11-28 05:06 发表
posted by wap, platform: iPhone
Thanks! 话说回来，你最近除了kaggle还在搞哪些dl的研究？我最近在搞些nerf和detr的东西...

最近在憋一个大招，用spectral-based GCN解PDE……

作者: ylara 时间: 2020-11-28 11:19

posted by wap, platform: iPad

引用:

原帖由 @Jonsoncao 于 2020-11-28 10:06 发表
最近在憋一个大招，用spectralbased GCN解PDE……

太强了，我这种数学不好的只能玩玩应用层面的

作者: Jonsoncao 时间: 2020-11-28 23:15

引用:

原帖由 ylara 于 2020-11-28 11:19 发表
posted by wap, platform: iPad
太强了，我这种数学不好的只能玩玩应用层面的

共勉！

作者: hisame 时间: 2020-11-29 22:33

posted by wap, platform: 小米NOTE
老黄就是要让市场认可高价

作者: hftrrt 时间: 2020-11-29 23:11

引用:

原帖由 elia 于 2020-11-26 15:30 发表
买给你和买给矿主，有什么区别呢？矿主还出钱多点呢

Posted by Xiaomi MIX 2
矿主狠艹的情况下，保修期内弄坏4，5张显卡很正常

作者: 億万千 时间: 2020-11-30 12:48

posted by wap, platform: Samsung

引用:

原帖由 @铁观音于 2020-11-26 16:18 发表
矿老板我不管，而且矿老板买卡老黄一样赚钱
我说的是炼丹师，那帮人本来应该是去买专业卡或者计算卡的，那东西老黄赚钱狠
我心疼老黄

正经企业用的都是专业卡
游戏卡一般是个人（学生）/科研用途，等于教育优惠了

欢迎光临 TGFC Lifestyle (http://tgfcer.com/)