跨工作站顯卡資源共享

目前萬兆網(wǎng)卡，但是不推薦window平臺，一般使用在服務(wù)器,目前是壓縮數(shù)據(jù)包方式。一個4k/幀大概為4MB

· RDMA技術(shù)

• 對硬件有哪些限制，能否用于以太網(wǎng)絡(luò)？

• 是否依賴網(wǎng)絡(luò)帶寬限制，能否達(dá)到網(wǎng)絡(luò)帶寬的極限傳輸速率？

• 使用什么協(xié)議傳輸數(shù)據(jù)，是否可靠？

• RDMA接收到的數(shù)據(jù)能否直接被其他進(jìn)程使用，例如：Unity3D？

• 單機(jī)多卡是否對RDMA的傳輸速率有影響？

答：推薦IB網(wǎng)

· 是否有其他方式可以實(shí)現(xiàn)跨工作站的顯存數(shù)據(jù)共享？

答：暫無,只能底層優(yōu)化才能解決。

· 硬編碼技術(shù)

o 視頻編碼H264、H265能否結(jié)合RDMA使用？

   答：兩者沒有關(guān)系，不能直接硬編碼完碼流直接傳輸?shù)搅硪慌_工作站顯卡內(nèi)，中間必須過CPU。比如現(xiàn)在?？刀紱]有這樣的成功案例。國外一個研究機(jī)構(gòu)使用FPGA的工具，直接拍，直接接卡上的芯片,直接PCI傳送出去。吞吐量幾百萬張照片/每秒。

o 目前單卡對H264、H265的編解碼帶寬Z高是多少？

答：后續(xù)給資料

o 單機(jī)多卡對編解碼的帶寬提升是否是倍增，例如：單卡編碼帶寬為160Mbps，雙

卡則為320Mbps？

答：多顯卡編碼芯片均可使用，獨(dú)立控制，負(fù)載均衡，建議放到一塊CPU上（同一個CPU插槽上管理）

o 顯卡的硬解碼速率是否高于硬編碼，即：硬解碼帶寬高于硬編碼帶寬？

答：看具體使用的芯片

o 顯卡在進(jìn)行硬編碼、硬解碼時是否會占用顯卡顯存？

答：不看顯存，占用的是CUDA核心（顯卡負(fù)載會有變化）;專用于硬件碼的推薦Tesla p4(使用在后端)，

如果GPU利用率變化不大，可能是你的編碼率不是特別高。

不同顯卡硬解能力不一樣。

o 顯卡硬編碼、硬解碼的分辨率是否有限制，16384？

答：目前Z高8K，非標(biāo)分辨率可能不支持

專業(yè)卡與游戲卡的區(qū)別

· 在使用DX執(zhí)行GPU計(jì)算并拷貝數(shù)據(jù)到內(nèi)存時，專業(yè)卡執(zhí)行時間穩(wěn)定，但游戲卡波動較大（1080Ti），游戲卡是否具備動態(tài)超頻的特性？

答：專業(yè)卡固定頻率運(yùn)行，游戲卡動態(tài)頻率運(yùn)行，專業(yè)卡穩(wěn)定；（驅(qū)動層面差別），游戲卡會出現(xiàn)驅(qū)動崩潰、程序卡死、藍(lán)屏、Z壞是卡燒掉。

N卡游戲卡比A卡數(shù)據(jù)要好看

Dx的應(yīng)用在游戲卡上跑，肯定是不如專業(yè)卡的

Mosaic拼接在N卡所有功能里面屬于幾個小功能，游戲卡不具備這個功能

· 顯卡是否具有類似于CPU時鐘的功能，可用于跨工作站的幀同步？

答：基于底層開發(fā)和利用同步卡進(jìn)行多工作站同步

單工作站多顯卡

· 使用DX渲染圖形時，如何利用多卡對性能進(jìn)行提升？

答：多卡是自動做負(fù)載均衡的，建議安裝在同一CPU管理的PCI-E插槽

Cuda Nccl GPU多卡優(yōu)化庫

· 若DX渲染的圖形跨了顯卡，是否對性能有影響，即：一半的圖形在A卡上，另一

半在B卡上？

答：無，多卡是自動做負(fù)載均衡的，并發(fā)處理的。

· 若使用一張卡（A）做計(jì)算，一張卡做渲染（B），當(dāng)A卡計(jì)算完的數(shù)據(jù)需要拷貝到B卡時，是否需要從系統(tǒng)內(nèi)存中轉(zhuǎn)？

答：需要

硬件使用選型

1) P6000可以同時出幾路8K30hz？并且是否可同時進(jìn)行Mosaic?P6000/5000/4000/2000顯卡如何選擇?

答：可輸出4路8K（dp1.4），并可進(jìn)行Mosaic拼接，顯卡負(fù)載不到100%，目前壓力不大，NVIDIA的顯卡DX性能要弱于AMD

2) 雙P6000顯卡性能是否是雙倍提升？

答：雙卡性能提示，后續(xù)給網(wǎng)站可查詢官方公布數(shù)據(jù)，顯存每塊各自占用，并行處理

需補(bǔ)充數(shù)據(jù)

3) NVIDIA Quadro顯卡單工作站多塊顯卡拼接時是否需要同步卡？

答：需要同步卡,Win10;同步卡主要解決多個顯卡通道的同步;（有可能與軟件也有關(guān)系）

4) Mosaic拼接可做的Z大分辨率是？

答：linux可做到32K；Windows10，需確認(rèn)后回復(fù)

5) Mosaic拼接和主桌面+擴(kuò)展桌面兩種模式下相同的使用模式，顯卡壓力是否有區(qū)別；

答：顯卡處理方式不一樣，Mosaic壓力變大，更耗資源（整個桌面被拉大，GPU性能吃的更多，多線程與單線程 GPU核心處理上的差異）

6) DP轉(zhuǎn)成HDMI后進(jìn)行Mosaic拼接對線材有什么要求？（包括DP轉(zhuǎn)雙鏈路DVI和DP轉(zhuǎn)HDMI1.4/2.0)

答：DP轉(zhuǎn)HDMI需要被動式（只是針對P系列）,被動式DVI，目前無推薦品牌型號(先接自帶的線再進(jìn)行轉(zhuǎn)接)

7) Mosaic拼接后屏幕閃，拼接縫隙撕裂，不同步卡，造成類似問題的原因有哪些？

答：屏幕接口，線材，需實(shí)際進(jìn)行排查測試

8) 對顯卡性能影響Z大的因素是？（Mosaic后的分辨率?刷新率？其他等）;

答：多方因素，都有影響

9) HP、聯(lián)想、DELL的工作站雙顯卡可以不用同步卡？

答：需要，都需要解決通道間的同步

HP、聯(lián)想、DELL的工作站是屬于OEM渠道

麗臺是走中國區(qū)企業(yè)級渠道

10) 驅(qū)動是從NVIDIA官網(wǎng)下還是從工作站官網(wǎng)下？新版本即可？

答：官網(wǎng)，Z高版本

11) 在Win7、Win8.1和Win10中Mosaic后性能不同，是否全是Windows系統(tǒng)自身優(yōu)化的原因？

答：Windows的毛玻璃，透明效果造成撕裂等，Win10系統(tǒng)更新優(yōu)化同時，顯卡驅(qū)動也和系統(tǒng)做了對接優(yōu)化，進(jìn)而提升了性能和效果

12) 顯卡驅(qū)動設(shè)置中是否有可以的優(yōu)化的設(shè)置？

答：不建議調(diào)，可能會對其他程序有影響

13) 自定義分辨率的刷新率高低會對實(shí)際的業(yè)務(wù)應(yīng)用有多大影響？對顯卡的壓力是否有區(qū)別？

答：目前無區(qū)別，能測試成功即可

14) Mosaic拼接是否可以使用不同的分辨率來進(jìn)行Mosaic拼接（AMD專業(yè)卡可以，4個通道出來的寬度和高度不一致進(jìn)行拼接）;

答：NVIDIA顯卡要求較高，可給NVIDIA提建議，效果甚微

15) 多工作站，多同步卡分布式投屏的同步性優(yōu)化建議和方法;

答：可參加CUDA培訓(xùn)對系統(tǒng)優(yōu)化

16) NVIDIA是否有出6通道顯卡的計(jì)劃（用于拼接屏幕保證通道數(shù)量）;

答：無，拼接只是NVIDIA的小眾功能

NVIDIA專業(yè)卡重點(diǎn)力求通道穩(wěn)，而不是通道數(shù)多，重點(diǎn)在于穩(wěn)定性。

NVIDIA定位為Ai/機(jī)器學(xué)習(xí)引領(lǐng)這個領(lǐng)域，多屏拼接AMD具有優(yōu)勢

17) 專業(yè)卡的詳細(xì)參數(shù)哪里查（如，解碼能力，編碼能力能，常見參數(shù)都有，但是編碼能力限制查不到）;

答：后續(xù)給相關(guān)資料

18) 驅(qū)動顯卡設(shè)置介紹，如垂直同步等驅(qū)動是否需要做設(shè)置？

答：一般不用設(shè)置

其它方面補(bǔ)充：

1）產(chǎn)品對顯卡優(yōu)化的整體策略：
答：需要提升產(chǎn)品對顯卡性能的利用（完全發(fā)揮顯卡的性能），不能單純的升級硬件。這塊國外軟件利用的比較好，國內(nèi)軟件優(yōu)化的比較差。

2）目前我們項(xiàng)目上Z大的顯存利用到18個G，負(fù)載80%左右，產(chǎn)品優(yōu)化的方向？
答：需要基于CUDA的優(yōu)化，參加CUDA培訓(xùn)
1）顯存不夠用的情況下，可以使用物理內(nèi)存緩沖，減少顯存使用量，減少顯存堆積問題
2）全部調(diào)用顯卡核心處理器

顯存滿載，70、80%代表核心沒有全部利用，可能傳輸那個地方存在瓶頸
渲染算法的差別：
1）傳統(tǒng)渲染算法
2）AI算法神經(jīng)網(wǎng)絡(luò)方式分布式渲染
AI算法提速5倍以上，大大降低CUDA計(jì)算量和線程使用率（方格圖像算法）

3）A卡與N卡的側(cè)重點(diǎn)不一樣：
N卡重點(diǎn)在opengl，同時也支持dx,會考慮均衡
A卡重點(diǎn)在dx

4）A卡、N卡在視頻硬解是存在區(qū)別的
可考慮后端方面進(jìn)行優(yōu)化，比如硬解

5）P6000，p5000區(qū)別
1）P6000->AI算法，深度學(xué)習(xí)領(lǐng)域
2）p5000Cuda核心數(shù)2650  P600Cuda核心數(shù)03860

Cuda Nccl GPU分布式并行GPU計(jì)算優(yōu)化庫