@solidsnake777999777

Какую видеокарту выбрать для машинного обучения, майнинга, гейминга и 3д-моделирования?

Да, много задач написал :D
Но я планирую всем этим заниматься и хочу приобрести видеокарту к своему ПК.

Мой ПК:
ЦП: 12th Gen Intel Core i7-12700 OEM 2.10GHz (https://www.dns-shop.ru/product/22aade304dc7ed20/p...)
Материнка: GIGABYTE Z690 AORUS ELITE AX (https://www.dns-shop.ru/product/2665ab40406bed20/m...)
ОЗУ: 16ГБ (DDR5)
Блок Питания: Chieftec Proton 1000W (https://www.dns-shop.ru/product/5bccd99f15673332/b...)
Windows 10 x64
SSD 500 ГБ (SATA, диагональ 2,5 дюйма)

Комп работает от ИБП POWERCOM Infinity INF-1100, 1100ВA (https://www.citilink.ru/product/ibp-powercom-infin...)

Я хочу заниматься высокополигональным 3д-моделированием (Blender, 3DS Max/Maya, ZBrush),
хочу тренировать нейросети,
хочу крипту помайнить (хоть небольшую копеечку поднять).

И в свободное время в новые игры поиграть (хотя бы на средних настройках).

Поэтому смотрю в сторону Nvidia-карточек с поддержкой CUDA. (https://developer.nvidia.com/cuda-gpus)

А какую именно лучше выбрать?

UPD: купил RTX 3060 12gb, доволен.
Всем спасибо за советы
  • Вопрос задан
  • 327 просмотров
Решения вопроса 1
@rPman
К сожалению, весь современный софт заточен на nvidia решения. С некоторыми оговорками на amd и скорее всего не на долго (т.е. скоро окончательно будет все), например stable diffusion еще запускают на топовых amd, с заметной деградацией скорости (т.е. карта в играх будет типа быстрее nvidia но в нейронках будет хуже, это вопрос исключительно софта и скорее всего политики).

Самое главное для нейронок - это vram видеокарты, все остальное - частоты, количество процессоров, шина и прочее конечно важно, но обычно идет в комплекте если выбирать решения с большой памятью.

Если денег мало, то имеет смысл обратить взор на медленную (еще вопрос на сколько, в играх это ~30%..50% от топовых но для нейронок возможно не так плохо) но с большим объемом vram - nvidia geforce rtx 3060 16gb с ценами порядка 35т.р. когда как остальные решения стартуют от 50т.р. а заканчиваются на 300т.р. (я про потребительские решения, серверные найти вообще нереал и цены там зашкаливают, соотношение цена/производительность у серверных хуже всего)

Если денег меньше, то бери любую nvidia с максимумом vram, построив табличку цена, fps и выбирая наибольшее соотношение цена/fps или индекс производительности (бери один и тот же тест).

ВАЖНЫЙ момент! почти все алгоритмы нейронных сетей могут быть распаралелены на несколько gpu (либо легко модифицированы для этого), я имею в виду когда размер самой нейросети такой огромный либо нейросеть маленькая но обучающая выборка большая, отсюда интересный вариант, если нужно больше чем 16гб vram, может оказаться дешевле набить материнку несколькими 3060 (она вообще самая дешевая за гигабайт), и за счет возможности загружать данные в несколько gpu одновременно, это даст интересный буст на решения, которые упираются в pci-e (не говоря о цене, nvidia 24гб начинаются по ценам от 110т.р., а 2x3060 обойдутся в 70т.р.)

p.s. вопросы энергопотребления даже не рассматриваю, пока у тебя нет кластера на сотни gpu (или если тебе не повезло жить в какой-нибудь 'жопе мира', где энергия стоит порядка 1евро за киловат час)

upd. минимальное требование по vram к stable diffusion - 3gb (минимальный размер картинок меньше 512x512, batch меньше 4, опции --xformers и --lowvram и невозможность генерации видео), рекомендуется 6Gb

для генерации видео на stable diffusion нужно минимум 8gb лучше больше

минимальный размер адекватной языковой модели 7Gb mistral может заработать на 8Gb с 8бит квантизацией, так же я слышал что llama13b тоже работает на 8gb видеокартах

чтобы дообучать, потребуется больше vram, так как квантизация недоступна (можно использовать peft с 8-битной, но это только тюнинг качества для конкретного промпта)
Ответ написан
Комментировать
Пригласить эксперта
Ответы на вопрос 3
pindschik
@pindschik
ФЫВА ОЛДЖ
656e4ba8471be903012641.jpeg
Не этого я ожидал в час ночи, не этого...
Какую угодно берите, ваш комп не потянет высокополигональные модели в 3D Max (например траву).

Для начала надо было оперативки в 4 раза больше (а лучше в 8). Поэтому она на "высокополигональных" делах будет моментально кончаться и система станет жутко свопить. Но своп файл будет еле ворочаться - на пути быстрой работы вы поставили "диагональный" SSD со скоростью в 10 раз меньше, чем надо (но прекрасной, года так для 2012-го).

Дальше в подобных программах вывозит процессор. Но свой вы взяли без "К", с бюджетным тепловым пакетом, это будет его душить сразу и на взлете. Зато материнская плата хорошая, на чипсете "Z", правда применить свои умения она на процессоре без "К" не сможет. Было бы лучше даже взять проц с "K" но материнку подешевле...
А еще я знаю, какой у вас ИБП, но понятия не имею, какой кулер на процессоре, видимо ИБП влияет больше...

Половину вашего SSD займет система с программами, еще 60-180 гигов файл подкачки. Под игры вам останется - примерно на половину одной современной игры. А куда вы будете качать текстуры и модельки из библиотек (а там нужны терабайты) - я так вообще не представляю.
Ответ написан
vabka
@vabka
Токсичный шарпист
Давай по порядку:
1. На компьютере, который ты будешь в работе использовать, лучше не майнить - за время, которое ты будешь простаивать из-за раннего выхода из строя видеокарты - ты потеряешь больше, чем эта видеокарта намайнит за весь свой срок службы.
Не говоря уже о том что даже без этого ты можешь уходить в минус из-за траты электричества.

2. Для ML и моделирования - чем больше памяти, тем лучше. Раз лимит в 100к, то я бы смотрел в сторону какой-нибудь rtx 4060ti на 16гб, либо соскреб с других комплектующих 20к и брал бы уже 4080 или 3090
Для учёбы, low poly, и моделирования для, например, игр этого должно хватить. Для чего-то более сложного - потом накопишь на какую-нибудь RTX 6000 на 48гб или что там выйдет.

3. В текущем виде сборка не очень оптимальная:
  • Для твоих задач нужно минимум 32гб ОЗУ.
  • Больше SSD, очень желательно nvme.
  • 1000вт БП - избыточен, если ты не собираешься ставить 4090 и разгонять процессор.
  • Материнская плата явно избыточна для выбранного процессора. Z чипсет - это больше для разгона и i9
  • Вкусовщина, но я бы взял Ryzen 7 7700
Ответ написан
Комментировать
@RigidStyle
Есть смысл рассмотреть в первую очередь 4060, 3090 (бу) или 4090.
Почему такие карты? Потому что нейросети часто упираются в память. И чем дальше, тем сильнее. Отсюда надо брать максимум памяти в первую очередь.
Во вторую - поддержка драйверами. Поэтому последние поколения.
В третью - зеленые работают лучше (стабильней) почти во всех нейросетевых историях. Поэтому брать красных - это страдать вдвое больше.
4060 есть версия на 16гб, что на уровне 4080, но по цене дешевле (значительно). Отсюда это лучшее бюджетное решение. Но минус - она на 8 линий пси-е, отсюда плату пси-е5 или пси-е4 надо иметь. При пси-е3 будет потеря 10-20 процентов в играх например по ФПС.
3090 можно взять БУ за адекватную цену. Они 24 гб памяти имеют, и в добавок достаточно производительны.
4090 по причине тех же 24гб памяти. Что лучше чем 16 у 4080 на целую треть. Как я уже сказал, память в контексте обучения ИИ часто стает критической проблемой.

Для 3д моделирования 4060 хватит с запасом.
Конечно можно взять и 4080, но это больше с акцентом на игры.
Отсюда в текущих реалиях если хочется быструю карту на весь бюджет, то 4080, если быструю и подешевле, то 3090бу, если не пугает БУшность. Если карту, что бы "хватало", то 4060 на 16гб (критически важно на 16гб, потому что они на 8 еще есть). 4090 конечно топ, но скорей всего в бюджет не влезет. Да и часто есть смысл взять карту послабее, а потом обновиться на следующее поколение тоже на уровне "послабее", чем брать "топ" и долго на нем сидеть.
Конкретно в вашем случае примерно прикиньте, чем вы будете заниматься больше, играми или машинным обучением. И уже на основе этого делайте выбор.
Ответ написан
Комментировать
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы