INT8 et TOPS

Aussi appelé: entier 8 bits, TOPS

Des entiers 8 bits pour l'inférence quantifiée. Le débit se compte en TOPS (milliers de milliards d'opérations par seconde) plutôt qu'en FLOPS.

GPU avec INT8 et TOPS, du plus avantageux au moins avantageux

Classés par $ par PFLOP-heure en INT8 dense, au prix à la demande le plus bas de chaque GPU.

1RTX 4070 SUPER12 GB$0.12/h$0.41/PFLOP·h
2RTX 30708 GB$0.08/h$0.51/PFLOP·h
3Instinct MI355X288 GB$2.59/h$0.51/PFLOP·h
4RTX 409024 GB$0.34/h$0.51/PFLOP·h
5RTX 4060 Ti16 GB$0.09/h$0.53/PFLOP·h
6RTX 4070 Ti12 GB$0.19/h$0.59/PFLOP·h
7RTX 3080 Ti12 GB$0.18/h$0.66/PFLOP·h
8RTX 4080 SUPER16 GB$0.28/h$0.67/PFLOP·h

Comparer tous les GPU →

Termes associés

PrécisionLe nombre de bits utilisés pour chaque nombre. Moins de bits signifie plus de débit et moins de mémoire, au prix d'une certaine perte d'exactitude. Un même GPU a une valeur crête différente pour chaque précision.
FP8Virgule flottante 8 bits pour l'entraînement et l'inférence, avec environ deux fois le débit du FP16. Pris en charge nativement par Hopper, Ada, Blackwell et AMD CDNA 3 et plus récents.
FP4Virgule flottante 4 bits, utilisée pour l'inférence quantifiée. Seuls Blackwell et AMD CDNA 4 l'exécutent nativement.

Calcul

FLOPS, TFLOPS, PFLOPSOpérations en virgule flottante par seconde : la quantité de calcul qu'une puce peut effectuer. 1 TFLOPS correspond à mille milliards d'opérations par seconde, 1 PFLOPS (PetaFLOPS) à mille TFLOPS. PetaPrice exprime toute la puissance de calcul en PFLOPS.
FLOPS denses vs sparsesLes fabricants annoncent souvent le débit tensor avec une sparsité structurée 2:4, qui double le chiffre mis en avant. Presque aucun entraînement ni aucune inférence ne l'utilise : PetaPrice affiche donc toujours les valeurs denses.
$ par PFLOP-heureLe prix d'une heure GPU divisé par les PFLOPS crête denses du GPU dans la précision choisie. Il indique la quantité de calcul qu'achète un dollar, ce qui permet de comparer directement des GPU rapides et chers à des GPU lents et bon marché. Plus c'est bas, mieux c'est.
FP16 et BF16Des formats 16 bits, la norme pour entraîner et exécuter des LLM. Le BF16 conserve la plage de valeurs du FP32 avec moins de précision, ce qui rend l'entraînement plus stable ; il nécessite Ampere, CDNA 2 ou plus récent.
TF32Le format 19 bits de NVIDIA qui exécute les calculs matriciels FP32 sur les tensor cores. PyTorch peut l'utiliser pour les multiplications matricielles FP32 à partir d'Ampere.
Tensor cores / matrix coresDes unités qui multiplient de petites matrices en une seule étape, d'où provient la quasi-totalité du débit IA d'un GPU. NVIDIA les appelle tensor cores, AMD matrix cores.
MFU (model FLOPS utilization)La part des FLOPS crête qu'atteint une charge de travail réelle. Les grands entraînements atteignent généralement 30 à 60 % : les valeurs crêtes des fiches techniques servent donc à comparer les GPU, pas à prédire des temps d'exécution.

← Tous les termes

…