深度学习训练，选择P100就对了

1.背景
　　去年4月，NVIDIA推出了Tesla P100加速卡，速度是NVIDIA之前高端系统的12倍。同年9月的GTC China 2016大会，NVIDIA又发布了Tesla P4、P40两款深度学习芯片。Tesla P100主攻学习和训练任务，而Tesla P4&P40主要负责图像、文字和语音识别。
　　同为Pascal架构且运算能力接近的P100和P40常常被拿来对比，单看Spec上运算能力，似乎P40比P100的深度学习性能更好，但实际上呢？本文就通过使用NVCaffe、MXNet、TensorFlow三个主流开源深度学习框架对P100和P40做性能实测来揭晓答案吧。

２.初步分析
　　
　　我们先来看下P100和P40的Spec参数指标。从参数来看，的确是P40的单精运算能力强于P100，而深度学习训练普遍使用单精度浮点类型，是衡量深度学习性能的一个重要指标。P40支持IN8类型，所以非常适合精度要求不高的推理场景，24G的显存也非常适合在线处理大数据量的图像等。但是P100搭载的是HBM2高速显存，而P40只搭载了GDDR5的显存，这使得P100的显存带宽达到了P40的2倍多，而这是影响深度学习训练的另一个重要指标，在训练中会有大量的显存操作，对显存带宽要求很高。这一点很可能会制约P40的训练性能。当然这需要实测的数据来验证，下一节是我们的实测数据。

3.实测数据
3.1 NVCaffe:GoogLeNet
　　使用ImageNet ILSVRC2012数据集，其中训练图片1281167张， 验证测试图片 5万张，数据单位是Images/Second（每秒处理的图像张数），OOM表示Batch Size太大导致GPU显存不够。
　　测试数据如下：
　　不同Batch Size单卡性能对比：

　　最大性能对比：

3.2 MXNet:Inception-v3
　　使用Benchmark模式测试Imagenet训练，数据单位samples/sec，测试数据如下：

3.3 TensorFlow:AlexNet
　　TensorFlow使用AlexNet Benchmark模式测试单GPU Forward和Forward-backward作为比较参考，数据单位sec/ batch，越小性能越好。
　　P100与P40比较的单GPU测试数据如下：

4 测试结论
　　通过实测NVCaffe、MXNet、TensorFlow三个主流深度学习框架的图像分类训练性能，验证了我们前面的分析，P40虽然计算力优于P100，但是受限于显存带宽，在深度学习训练上性能是不如P100的，通过实测数据，我们可以得出结论：P100比P40训练性能至少高出20%以上。
　　深度学习训练，选择P100就对了。
　　阿里云上提供的GN5系列GPU实例，可搭载最多8块P100 GPU，可大大加速深度学习训练，搭载最新V100 GPU的GN6实例近期也已经上线公测，我们后续也会给出GN6实例的性能评测报告。