Cortex社区的小伙伴大家好！今天给大家带来一个特别的内容分享。
首先介绍一下背景：
感谢Cortex社区十分给力的神秘小伙伴协助联络，我们在9月23日下午顺利拿到了NVIDIA最新发布的旗舰显卡GeForceRTX2080Ti。这款让游戏爱好者和硬件爱好者魂牵梦绕的全新旗舰，终于来到了CortexLabs的办公室。我们后续将会对2080Ti进行深度的测试。
当然，游戏性能等方面的表现，已经有众多评测机构做过。CortexLabs更关心的是2080Ti的机器学习性能和挖矿表现相对于1080Ti显卡的提升。
拿到显卡之后，运营的小伙伴已经按耐不住，用最快的速度，对2080Ti的挖矿性能做了一个简单的测试。并且同时运行了一张1080Ti显卡作为参考和对比。我们先从这一个角度，来看一下2080Ti在挖矿性能上的提升。
我们先看一下2080Ti的产品外观。
这部分不多介绍，直接看图。我们拿到的是GIGABYTE的非公版卡，具体产品型号是：GIGABYTEGeForceRTX2080TiWindforceOC11G。
好了，下面来给大家看一下这款产品的实拍图，并且和1080Ti进行一下对比。
看完了产品，要对测试环境进行一下准备。
我们使用的是办公室现成的SuperMicroSuperServer4028GR-TR机器学习服务器作为测试平台，服务器基础配置如下：
主板：SuperX10DRG-O+-CPU
CPU：intel?Xeon?processorE5-2600v4?/v3family(upto160WTDP)*
DualSocketR3(LGA2011)
内存：2400MHZDDR4SDRAM72-bit
系统：LinuxUbuntu18.04
然后交代一下测试的挖矿算法：
一般来说，GPU做挖矿性能测试，会主要选择ETH的Ethash算法或者ZEC的Equihash算法。但目前都有矿机厂商针对这两个算法研发并量产了ASIC矿机。不过，Ethash算法由于对显存有比较高的需求，EthashASIC矿机对GPU挖矿的影响并不是很大，而EquihashASIC矿机则对GPU挖矿的影响却很大。因此，我们这里选择ETH的Ethash算法进行测试。
最后还要介绍一下挖矿软件的选择：
我们最初选择相对矿工更熟悉的Claymore挖矿软件进行测试。但在实际测试中，Claymore还没有对2080Ti进行完美适配。最终我们选择EthMiner作为挖矿软件。
准备工作都已经完毕，我们正式把两个显卡全部装到服务器机上去，并安装好驱动。
1080Ti的驱动版本为：NVIDIA-Linux-x86_64-390.87.run
2080Ti的驱动版本为：NVIDIA-Linux-x86_64-410.57.run
激动人心的时刻马上就要到了！！！
开机，我们可以看到，两个卡驱动都正常。
运行EthMiner，两个卡都能顺利挖矿，并显示出本地算力。趋于稳定后，我们截图来看。
从图中我们可以看到，两款显卡在均未超频情况下，在Ethash算法下的算力表现分别为：
1080Ti算力：32.46MH/s功耗：212W
2080Ti算力：50.90MH/s功耗：257W
Cool Cats系列NFT 24小时交易额增长超100%:金色财经报道，OpenSea最新数据显示，Cool Cats系列NFT过去24小时的交易额为301ETH，增长率为104%。24小时交易额排名位列OpenSea第七。[2022/10/7 18:41:21]
这里我们还能看到，2080Ti相对于1080Ti的提升还是相当明显的，Ethash算法下的算力提升达到了56.8%。而功耗则只增加21.2%。
不过，在过去使用1080Ti挖矿的过程中，其实已经有很多对1080Ti算力进行优化的工具。而目前2080Ti则还没有类似的程序出现。我们选择一款常用的软件对1080Ti进行算力优化后，看看差距还有多少？
开启了优化工具后，我们可以看到，GPU1的算力已经从32.46MH/s提升到了45.19MH/s，提升了12.73MH/s。而此优化工具，对2080Ti则没有优化效果。这样一来，1080Ti和2080Ti在Ethash算法下的算力差距只有5.7MH/s左右。
测试到这里，可能大家会吐槽，难道2080Ti的性能提升只有这么一点？
其实并不是这样的，1080Ti的产品周期毕竟已经进入尾声，经过这么多年的沉淀，已经有无数人针对这款产品进行了反反复复的提升和优化。而2080Ti目前还没有太多人拿到产品，更谈不上进行优化。虽然我们这次测试最终的差距结果不是很大，但这是一个“上代产品优化到极致”与“新生产品纯粹原生态”的较量，并且只是在Ethash算法下的性能表现。因此，这个数据测试也仅对当前时间的特定算法下有参考意义。
就在我们运营组的小伙伴测试完挖矿的性能之后，AI部门的小伙伴也迫不及待开始部署机器学习任务到服务器上。用最快的速度，在服务器上实现了以下操作：在cifar10数据集上，使用resnet50进行图片分类任务）。在最新的cuda10.0+pytorch0.4.1+cuDNN7.3环境上，对2080ti和1080ti两块显卡分别进行了训练+推断的测试。测试的结果如下：
通过以上测试，我们发现，2080Ti相对于1080Ti，将训练耗时缩短了16.16%；将推断耗时缩短了7.7%。
不过，考虑到现有的软件支持还不够成熟，此次的结果只是一个初步的参考。这个结果让我们感到差强人意。当然，后续我们还会有更深度的测试，会把我们开发团队的测试进展，分享给全社区的小伙伴。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。