我正在使用GPU进行科学计算。最近Nvidia发布了旗舰产品GeForce Titan Z.我想知道，这款处理器如何与特斯拉K40（另一款NVIDIA产品）展开竞争。我已经检查了这些规格，但他们知道这两个处理器之间的任何基准，或者Titan Z对科学计算应用的能力。我还想知道Titan Z是否应该从编程角度看作单GPU或两GPU。
在此先感谢，问候，Sakthi K.
它有两个芯片;毫无疑问，从计算的角度来看，它将作为两张单独的牌，就像之前所有其他此类牌一样。
在过去的几年里，我一直在使用泰坦和其他NVidia游戏卡进行科学计算，并且它们对我的目的来说效果很好，但一如既往，“它取决于”。首先，如果你绝对需要双精度，那么它们是一个糟糕的交易。当然，大多数应用，包括科学模拟，实际上并不受单精度浮标的限制;但对于某些应用来说，这很重要。
因此K40每个芯片具有更多内存，并且具有更高的双精度性能。但是如果你确定你不需要其中任何一个（就像我为我的下一个版本所做的那样），那么一对Titan Z是一种非常好的方法，可以将疯狂的单精度性能填充到可管理的外形中。
（编辑：我看到titan z不同于之前的游戏卡也具有完全的双倍精度;所以如果你确实需要双倍精度，那就增加了它的价值。个人而言，我发现内存通常比fp精度更有限制）
Titan Z本质上是同一张卡上的两个Titan Black芯片，带有独立的6GB VRAM。 Titan Z的主要优势在于两个芯片是同步的，因此负载将均匀分布，而单价Titan Black的成本为1700美元。 Titan Black本身主要设计用于单精度单元，有限的双精度单元和相对低端的内存。
我建议Titan X可能比Titan Z或Titan Black更好的选择，原因有两个：（1）它的成本仅为1100美元（2），它的内存是两倍。因此，您实际上可以使用两个Titan X而不是一个Titan Z来构建功能强大的系统，并且成本大致相同。对于深度学习相关的工作尤其如此。事实上，NVidia Digits Devbox也有Titan X。
如果您的计算需要双精度（FP64），那么您需要看看像K40这样的特斯拉芯片，其价格几乎是Titan X的两倍，内存相同。大多数深度学习和机器学习相关工作涉及单精度，所以K40或K80比起Titan X不合适。