Ampere är här – Geforce RTX 3080 dubblerar prestandan hos RTX 2080

Knappast, 8k är ändå 4x 4k upplösningen

inget snack om nya titan rtx "Ampere" då ??? eller 3070 ti sa han inget om heller

Vart är TITAN RTX "Ampere" ????????? skulle den inte komma eller vad har jag missat

Jämför 2080Ti kärnor mot 2080/2080 Super - 41% högre kärnor, inte ens 25% bättre prestanda. Liknande siffor får man med 1080Ti mot 1080 eller 980Ti mot 980, fast det blir bättre och bättre ju längre tillbaka i tiden man går.

Det är raka motsatsen till SMT (Hyperthreading).

Vad SMT gör är att man kan utnyttja den kapacitet som finns lite bättre, slarvigt kan man säga att "IPC per fysisk kärna" höjs. SMT ökar däremot inte peak-kapaciteten då man inte tillför några fler beräkningsenheter.

Vad Nvidia gjort här är att dubbla antalet beräkningsenheter per SM, d.v.s. man har dubblat kapaciteten per klockcykel och SM. En SM innehåller mer än bara flyttals-ALU, min gissning är att man kanske inte dubblat kapaciteten för heltals-ALU och andra saker som finns i en SM. Det skulle kunna vara vettigt ur balanssynpunkt då Nvidia själva pekade på att Turings funktion att kunna köra heltal- och flyttal parallellt gav ~30 % lyft i normalfallet -> för varje 10 flyttalsoperationer finns ~3 heltalsoperationer.

Om ovan är korrekt lär "IPC" hos Ampere vara lägre än för Turing i lägen där alla "CUDA-kärnor" används i en SM. Kapaciteten är fördubblad, men typisk hastighet är mindre än dubbel.

Definitionen av en CUDA-kärna är en FMA kapabel ALU, rätt säker att Nvidia inte ändrad den definitionen givet kapacitet i TFLOPS.

Varför valde Nvidia Samsung 8nm över TSMC 7nm? Har de fått bra pris från Samsung?

I have seen some people confused by Ampere’s CUDA core count. Seemingly out of nowhere, NVIDIA has doubled the core count per SM. Naturally, this raises the question of whether shenanigans are afoot. To understand exactly what NVIDIA means, we must take a look at Turing.

In Turing (and Volta), each SM subcore can execute 1 32-wide bundle of instructions per clock. However, it can only complete 16 FP32 operations per clock. One might wonder why NVIDIA would hobble their throughput like this. The answer is the ability to also execute 16 INT32 operations per clock, which was likely expected to prevent the rest of the SM (with 32-wide datapaths) from sitting idle. Evidently, this was not borne out.

Therefore, Ampere has moved back to executing 32 FP32 operations per SM subcore per clock. What NVIDIA has done is more accurately described as “undoing the 1/2 FP32 rate”.

As for performance, each Ampere “CUDA core” will be substantially less performant than in Turing because the other structures in the SM have not been doubled.

Vänlig påminnelse om att CUDA kärnorna i Ampere inte är samma som i Turing så "OMG dubbla CUDA kärnor!?!" är inte fullt så häpnadsväckande.

https://www.reddit.com/r/hardware/comments/ikok1b/explaining_...

Ja fast, nu var det inte TFLOPs, killen jag citerade hävdade prestanda ökar linjärt med CUDA-kärnor. Vilket är en omöjlighet om inte cache/bandbredd också ökar lika mycket samtidigt.