NVIDIA L40 メモリボトルネック vs 計算ボトルネックのワークロード

回答

NVIDIA L40 の性能概要：181 FP16 TFLOPS、90.5 FP32 TFLOPS、864 GB/s 帯域幅、48 GB VRAM。

実用的なベンチマークに換算すると、7BパラメータのLLMをFP16で合理的なバッチサイズでトレーニングすると、通常は帯域幅より先に計算性能が飽和します。同じモデルのリアルタイムサービングは通常帯域幅制限で、864 GB/s の数値に追随します。拡散画像生成ベンチマークは両者の中間に位置し、計算負荷の高いステップはテンソルコアをよく活用し、アテンションブロックは帯域幅にアクセスします。

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