Je n'ai pas personnellement utilisé CUDA pour cela, bien que j'en ai l'intention. De mes recherches, j'ai conclu que vous voulez certainement avoir une «capacité de calcul» au moins égale à 3,5, comme certaines bibliothèques l'exigent déjà. La liste (difficile à trouver) des capacités informatiques se trouve sous ce lien. À partir de cette liste, on peut conclure qu'avoir GTX 980 ou Titan (tous deux avec un score de 5.2) est aussi bon que vous pouvez obtenir, mais notez que si vous achetez une carte graphique uniquement pour cela, Nvidia une réponse pour une utilisation professionnelle et académique nommée Tesla - c'est juste une boîte informatique, loin de la carte graphique (elle n'a même pas de ports d'affichage!), coûte de 3k $ pour le K20, à 5k $ pour le modèle K80, et c'est un monstre:
Une comparaison rapide (CC signifie Compute Capability):
- Tesla K20: pour les ordinateurs de bureau, aperçu pour float: 3,52 Tflops, 5 Go, 2496 cœurs CUDA, 2,9 k $, CC: 3,5
- Tesla K40: pour les ordinateurs de bureau, aperçu pour float: 4,29 Tflops, 12 Go, 2880 CUDA cœurs, 3,1k $, CC: 3,5
- Tesla K80: pour les serveurs, jetez un œil pour float: 8 Tflops, 24 Go, 4992 cœurs CUDA, 5k $, CC: 3.7
et de qualité client, les cartes graphiques les plus populaires et les nouvelles:
- GTX960: pour les ordinateurs de bureau, regardez pour float: 2,3 Tflops, 2 ou 4 Go, 1024 cœurs CUDA, 200 $, C C: 5.2
- GTX980: pour les ordinateurs de bureau, jetez un œil à float: 4,61 Tflops, 4 Go, 2048 cœurs CUDA, 500 $, CC: 5.2
- Titan X: pour les ordinateurs de bureau, regardez pour float: 6.1 Tflops, 12 Go, 3072 cœurs CUDA, 1000 $, CC: 5.2
Voir également comparaison sur wccftech.
Pour conclure: le GPU de qualité commerciale semble être plus rentable, mais seulement lorsque nous comparons les spécifications. Il peut y avoir d'autres compromis, je ne suis pas au courant. Ainsi, je ne peux pas dire avec confiance "allez avec la qualité du client", mais je peux vous dire ce que je ferais (vais) faire - je vais acheter GTX 960 ou 970, car je prévois de jouer et mon coût est assez limité, et ces cartes fera très bien pour l'apprentissage CUDA. Si vous achetez pour une institution, ne prévoyez pas de jeux, les calculs iront 24/7, considérez le Teslas de qualité académique.
De plus, si vous souhaitez augmenter votre puissance de traitement "conventionnelle" basée sur des entiers sur un serveur de calcul haut de gamme, vous pouvez consulter Xeon phi.
[EDIT] Veuillez noter que le passage de l'arithmétique à virgule flottante basée sur le processeur à la technologie GPU améliorée est un changement de qualité, presque un ordre de grandeur , et sera très prononcé et perceptible, mais en passant de ex. Tesla K20 à Tesla K40 ne sera qu'un changement de quantité (K80 n'est que deux K40 groupés ensemble), donc si vous optez pour le rapport vitesse / prix, optez pour l'accélération GPU la moins chère, cela fonctionnera pour vous.