Видеокарты

Быть или не быть VGA-видеокарте на советских микросхемах?!

Всё же быть! Представляю Вашему вниманию VGA-видеокарту!

Сборка компьютера — казалось бы, простая задача. Взять компоненты и просто соединить их друг с другом внутри системного блока. Но бывают ситуации, что видеокарта, как самый большой компонент, попросту не помещается в корпусе или помещается, но мешает нормальному охлаждению всей системы. Если вы не готовы поменять корпус или замена корпуса в вашем случае по-прежнему ничего не решает, можно использовать райзеры. О том, что это такое (если вдруг кто не знает), как они устанавливаются, какие бывают и влияют ли на производительность видеокарт, мы расскажем в этой статье.

Что самое главное в изображении? Конечно, его качество. Чем ближе к реальности выглядит объект на картинке, тем визуально привлекательнее он нам кажется. Во многом на восприятие изображения влияет освещение и затенение, которого в компьютерной графике помогает добиться трассировка лучей. О ней мы сегодня и поговорим.

Собрать игровой компьютер без ограничений по бюджету гораздо проще, чем народный ПК под универсальные задачи. Даже если есть примерное понимание, от чего следует отталкиваться в первую очередь, на этапе подбора комплектующих неизменно возникнет какая-нибудь сложность. Поневоле захочется либо потратиться чуть больше, либо посильнее сэкономить. Но тогда есть риск получить на выходе не самое лучшее решение. В этой статье мы предложим вашему вниманию наше видение народной сборки.

Всем привет! Меня зовут Алексей Рудак и я основатель компании Lingvanex, которая занимается решениями в области машинного перевода и транскрипции речи. Для нашей работы мы постоянно тренируем языковые модели. Наша команда использует десятки разных видеокарт, выбранных под разные задачи: где-то нужна мощная станция DGX, а где-то достаточно старой игровой карты типа RTX 2080Ti.  Выбор оптимальной конфигурации GPU сэкономит вам не только время на тренировку, но и деньги.

Интересно то, что в интернете довольно мало статей с тестами GPU именно для скорости тренировки языковых моделей. В основном встречаются только тесты inference. Когда вышел новый чип H100, в отчете NVidia было указано, что при тренировке он быстрее A100 до девяти раз, но для наших задач новая карта оказалась всего на 90% быстрее старой. Для сравнения: у наших облачных провайдеров разница в цене между этими GPU составляла 2 раза, поэтому переходить на новый H100 для экономии денег смысла не было.

В дополнение к этому мы брали на тест станцию DGX, которая состоит из 8 видеокарт A100 80GB и стоит 10 тысяч долларов в месяц. После теста стало ясно что соотношение цена / производительность этой станции нас полностью не устраивает и за эти деньги мы можем взять 66 x RTX 3090, которые в сумме принесут гораздо больше пользы.

Наши языковые модели для перевода имеют до 500 миллионов параметров (в среднем от 100 млн до 300 млн). Возможно, если значительно увеличить кол-во параметров, то соотношение цена / производительность от DGX станет лучше. На данный момент мы не тренируем большие языковые модели, которые могут переводить сразу между всеми языками во всех вариациях, а применяем отдельные языковые модели под каждую языковую пару, например англо-немецкую. Каждая из таких моделей занимает от 120 до 300 Mb.

Привет, Хабр! Меня зовут Артем Чебыкин, я ML-инженер и автор медиа вАЙТИ. В этой статье я расскажу о том, какой тип компьютера: стационарный, ноутбук или макбук — больше всего подходит для машинного обучения и почему. Также рассмотрим начальный и продвинутый вариант сборки для машинного обучения больших языковых моделей (LLM).

Современный рынок компьютерной техники предлагает широкий выбор процессоров и видеокарт на любой вкус и кошелек. Для неопытного пользователя сделать правильный выбор может быть непростой задачей. Тем более, если предстоит покупка двух этих важных компонентов сразу. Данная статья поможет разобраться в существующих моделях и подобрать оптимальную конфигурацию в зависимости от ваших потребностей и бюджета.

Всем привет! С вами Ш. Сергей и я продолжаю разрабатывать видеоадаптер. В прошлой статье я рассказывал о возможности создания одного из простейших видеоадаптеров.

В этой статье будет задета возможность вывода символов на наш виртуальный монитор.

Использовать будем Logisim Evolution 3.8.0.

Lenovo, один из ведущих мировых производителей компьютерной техники, снова привлекает внимание своими хитрыми и необычными разработками. Недавно компания представила уникальное решение, позволяющее использовать встроенный слот M.2 не только для расширенного хранилища данных, к чему мы все привыкли, но и для установки дискретного графического процессора. Это не значит, что новые ГПУ-шки будут размером с SSD М.2 2280 — тут все сложнее, — но сама концепция очень интересна. По крайней мере, не надо иметь инженерного образования, чтобы понять, что новинка может значительно расширить возможности пользователей и предоставить больше гибкости в выборе конфигурации своих устройств. А может этого и не сделать… Поэтому давайте немного разберемся, что это.

Статьи про новые и производительные видеокарты являются самыми популярными в нашем блоге. Интерес к ним понятен: это самые дорогостоящие и мощные компоненты практически любой сборки. Даже если вы не относите себя к фанатам компьютерных игр, вы почти наверняка захотите узнать, что такого необычного могут предложить современные GPU. Но одно дело — новые и дорогие видеокарты, которые могут в 4К и 120 fps и совершенно другое — старенькие и дешевые. Однако даже они сохраняют актуальность и спустя 5–7 лет с момента релиза.

Меня всегда интересовало, как же реализуются видеоадаптеры и искал примеры как их можно реализовать. Я много занимаюсь разной разработкой, в основном программированием, но периодически вспоминаю радиотехнику/схемотехнику. И, исходя из опыта программирования и не только я вспомнил об одной достаточно важной вещи: если хочешь что‑то реализовать, начни с самого простого и потом дорабатывай полученный результат. Таким образом можно будет понять, что же мы всё‑таки хотим сделать и правильным ли путём идём?

Тот вариант, что я рассмотрю, придуман не мной. И, это один из вариантов реализации простейшего видеоадаптера, коих было достаточно не мало, если вы вспомните разнообразные компьютера, приставки, консоли и прочее.

Для понимания. Создание видеокарты/видеоадаптера не просто и не сложно. Надо понять что вы хотите, что будет делать ваша видеокарта.

Обилие “железных” конфигураций ПК, разный характер требований пользователей и несовпадающее позиционирование делает выявление лучших видеокарт задачей практически невыполнимой. Ну, разве можно сравнивать GeForce RTX 4060, Nvidia T1000 и Intel ARC 770? В принципе, да, но дело это крайне неблагодарное. Тем удивительнее слышать, что кто-то все же сумел выявить лидера, пусть и исключительно в своем сегменте, и присудил это звание видеокарте Radeon RX 7900 GRE. 

Самые крутые видеокарты GeForce оказались в дефиците во многих странах мира из-за массового спроса со стороны Китая. Там они используются в основе супер-компьютеров, применяемых для развития нейросетей. Nvidia не могла не догадываться, в каком ключе используются ее видеокарты, обладающие колоссальным вычислительным потенциалом. И, вместо того, чтобы бороться с этой инициативой, решила возглавить ее и запустила свой собственный чат-бот Chat with RTX.

С развитием генеративного искусственного интеллекта (ИИ) и расширением сфер его применения создание серверов с искусственным интеллектом стало критически важным для различных секторов — от автопрома до медицины, а также для образовательных и государственных учреждений.

Эта статья рассказывает о наиболее важных компонентах, которые влияют на выбор сервера для искусственного интеллекта, — о центральном и графическом процессорах (CPU и GPU). Выбор подходящих процессоров и графических карт позволит запустить суперкомпьютерную платформу и значительно ускорить вычисления, связанные с искусственным интеллектом на выделенном или виртуальном (VPS) сервере.

AMD готовится к запуску процессоров на базе архитектуры Zen 5. Линейку переведут на новый, более современный техпроцесс производств и за счет этого выжмут из нее большую производительность, чем у семейства Zen 4. Официально дата релиза еще не названа, но ожидается, что компания проведет презентацию ближе к середине лета, и еще до наступления осени компьютеры с новыми процессорами поступят на рынок. Но обо всем по порядку.

Со временем компьютерной индустрии стало настолько сложно развиваться, что она даже не поспевает за правилом Мура, которое гласит, что каждые два года число транзисторов на плате должно увеличиваться в два раза. Многие грубо интерпретировали это как то, что производительность всех компонентов компьютера должна увеличиваться с такой же скоростью, что само по себе неверно. Тем не менее время от времени мы получаем серьезное увеличение быстродействия компонентов, и сейчас стоим на пороге очередного из них, которое должно вдвое увеличить скорость работы видеопамяти. Стандарт уже утвержден и получил соответствующий сертификат. Давайте разберемся, что это нам даст.

Релиз каждой новой видеокарты Nvidia всегда становится большим событием для всех причастных. Даже если компания представляет не новое поколение, а просто улучшает предыдущее, выпуская модификацию с пометкой Super. Так что выход GeForce RTX 4090D тоже не мог пройти незамеченным. Теперь главное - разобраться, что она из себя представляет, чем отличается от классической RTX 4090 и стоит ли за ней гнаться.

Установка новой видеокарты - это рост графической производительности, увеличение фпс, фреймтайма и, конечно, качества самой картинки. Но видеокарты - особенно мощные - стоят недешево, поэтому некоторые умельцы предпочитают использовать вместо одной мощной модели пару штук послабее и подешевле. В свое время, еще до появления линейки GeForce RTX, такие спецы умудрялись запускать игры в 4К на базе двух GTX 1080. А что, если взять две RTX 4070 Super? Представляете, какая будет производительность? Но не все так просто.