Jak dobre są zewnętrzne procesory graficzne do uczenia maszynowego / sieci neuronowych w systemie Linux? [Zamknięte]

1

Mam wieżę biurkową, ale jej zasilanie jest zbyt ograniczone dla GPU, które rozważam dla uczenia maszynowego - RTX 2080 - i martwię się o ciepło w tej maszynie, która zaczyna używać twardych wentylatorów gdy nawet jeden procesor działa w 100%. Zewnętrzne rozwiązanie może również umożliwić dodanie procesorów graficznych, jeśli zajdzie taka potrzeba.

Opcją może być dołączenie zewnętrznego procesora graficznego, ale zastanawiam się, jaki wpływ na to miałaby wydajność? Przy połączeniu Thunderbolt 2 kilka lat temu pojawiają się raporty o 30% spadku wydajności, ale używałbym połączenia T3 (lub cokolwiek to jest najnowsze / najszybsze tam). Z drugiej strony, moc / szybkość przetwarzania GPU znacznie wzrosła od kilku lat. RTX 2080 ma przepustowość pamięci 40 Gb / s, co stanowi ósmą (jak sądzę) szybkość transferu T3 40 GB / s. Z drugiej strony nie wiem, ile przepustowości jest potrzebne między kartą graficzną a resztą komputera.

Powiązanym problemem jest to, czy linux (korzystam z Ubuntu / Kubuntu) działa z zewnętrznymi urządzeniami GPU / T3 podłączonymi?

Jakieś myśli / doświadczenia?

JasonK
źródło
1
Zewnętrznie zasilić układ chłodzenia, podłączając linie zasilania wentylatora do zewnętrznego źródła zasilania? Chłodzenie cieczą?
K7AAY
Dlaczego „uczenie maszynowe” wymaga konkretnie gpu?
Xen2050
Hi Xen2050: sieci neuronowe wymagają ogromnych ilości obliczeń, a procesory graficzne mają znacznie większą moc obliczeniową niż procesory.
JasonK
% Spowolnienia obliczeń między wewnętrznym i zewnętrznym GPU wydaje mi się pytaniem opartym na faktach: ktoś może obliczyć czas obliczeniowy między dwoma dla danej sieci neuronowej. Domyślam się, że „jak dobrze” linux działa z zewnętrznymi procesorami graficznymi, jest kwestią opinii, ale teraz zmieniłem na „czy” linux działa z ....
JasonK