NVIDIA L40 carichi di lavoro limitati dalla memoria vs limitati dal calcolo

Risposta

Titolo delle prestazioni di NVIDIA L40: 181 TFLOPS FP16, 90.5 TFLOPS FP32, 864 GB/s di larghezza di banda, 48 GB di VRAM.

Convertito in benchmark pratici: l'addestramento di un LLM da 7 miliardi di parametri in FP16 con dimensioni di batch ragionevoli tipicamente satura il calcolo prima della larghezza di banda; il serving in tempo reale sullo stesso modello è solitamente limitato dalla larghezza di banda e segue il valore 864 GB/s. I benchmark di generazione di immagini per diffusione si collocano tra i due — le fasi intensive di calcolo utilizzano bene i tensor core, mentre i blocchi di attenzione toccano ancora la larghezza di banda.

Check the NVIDIA L40 page for complete specifications and related GPU matchups.