EVGA:s prispressade Geforce RTX 2060 KO når RTX 2080-prestanda

Jag tror att du fattar precis vad jag menar....

Påverka priset "negativt"... det är väl, förutsatt att han skriver som konsument, inte att priset går ner? 🤔

Skickades från m.sweclockers.com

Det som Steve nämner i slutet av videon är att KO kortet egentligen är rätt kasst med en dålig kylare, enormt tjocka thermal pads och är låst till 100% power draw. Ska man satsa på spel finns det ingen anledning att välja detta kort då andra tillverkare har bättre lösningar och kommer det till spelprestandan är det trots allt kylare och överklockningsmöjligheter som är mest intressant.

Priset då? Att 2060 KO är lite sämre än "vanliga" 2060 på kylning/överklockning men presterar ungefär likvärdigt stock fast billigare är ju sannolikt värt det för den stora massan som inte överklockar sina kort.

Så amd överklockar och nvidia underklockar sina 300 usd gpuer:-)

Skickades från m.sweclockers.com

Snacka om dålig, sensationalistisk, Aftonbladet-rubrik. Det är helt uppenbart att rubriken är ämnad att vara missledande för att få folk att tro att det handlar om något magiskt gamingkort vilket inte är fallet

Skickades från m.sweclockers.com

Hur hade du skrivit rubriken istället? Det går inte att klämma in hur många ord som helst i rubriken.

"EVGA:s prispressade Geforce RTX 2060 KO når RTX 2080-prestanda i blender". Eller liknande. Det blir tydligt att vi talar om specifika scenarion eller typer av workloads och inte över hela brädet. Det blir också tydligt att det finns ett "men" och det ej handlar om att du nu helt plötsligt kan köpa ett 2080 för $300.

Du måste ju själv se att den här rubriken är clickbait och vilseledande, eller tycker du detta var en bra rubrik och isåfall, varför? Jag undrar genuint om du har en annan synvinkel än mig
Mvh (läs med en lättsam ton, inte argsint)

Skickades från m.sweclockers.com

2060 KO ger uttrycket Sillicon Lottery en helt ny innebörd..

I Blender ser man klart denna effekt mellan TU-104 och TU-106, det blir ett trappsteg mellan kretsarna som är signifikant större än vad som kan förklaras av rå flyttalskapacitet.

Tror jag har en hyfsad gissning var förklaringen gömmer sig, det stavas GPC (Graphics Processing Clusters). Antalet GPC är något som inte syns utåt CUDA-APIet och det är inte heller något som alls brukar listas i tabeller likt den i denna artikel.

TU-102 och TU-106 har ett väldigt rättfram förhållande, TU-106 är en halv TU-102 ur alla aspekter utom minnesbandbredd. Fast minneskontroller ligger utanför beräkningsenheterna, vilket bl.a. gör det möjligt att skapa både 2070 (256-bitaras RAM-buss) och 2060 (192-bitars RAM-buss) ur samma krets samt frisera ner TU-104 på motsvarande sätt.

Visa innehåll

Medan GPC skalas på förväntat sätt mellan TU-102/TU-106 är det samma antal GPC i TU-102 och TU-104, GPC är här de stora fyrkanterna med ljusgrå ram (totalt 6 st)

Över hela kretsen schemaläggs program (kallas "kernels" i GPGPU-lingo). Detta utförs av central av något Nvidia kallar GigaThread Engine (orange box i övre delen av bilden ovan).

En "kernel" delas upp i warps (32-trådar som körs på ett parallellt led). Warps gruppers vidare i "block", varje block körs allttid på en och samma SM (de kan flyttas till en annan SM om jag tolkat Fermi-beskrivningen rätt, men då måste alla warps i blocket flyttas). En kernel kan bestå av flera oberoende block, dessa gruppers som en "grid". Flera "kernels" kan köras samtidigt , men det finns en viss (men ändock låg) kostnad att byta ut "kernels" i en SM.

Visa innehåll

illustration kernel, trådar, block, grid

Nu delen som är en del gissningar...

Så centrala schemaläggaren (GigaThread Engine) försöker rimligtvis hålla migration av "kernels" mellan SMs till ett minimum.

Inte för att jag hittat någon konkret på detta, men får ändå känslan av en del beskrivningar, t.ex. denna "life of a triangle" kernels inte helt fritt sprids över GPC och kan mycket väl finnas en barriär över hur många kernels som placeras inom samma GPC.

Oavsett om ett 2060 är baserat på TU-104 eller TU-106 är det exakt samma antal SMs, vilket betyder exakt samma kapacitet sett till CUDA/Tensor-kärnor (så identisk rå flyttalskapacitet), RT-kärnor (så rå kapacitet att hitta vilken BVH en stråle först träffar), TMU (så samma kapacitet att hantera texturer).

Olika saker har olika flaskhalsar. Då spel inte alls uppvisar den trappstegsfunktion mellan TU-104 och TU-106 som man ser i Blender pekar det på att flaskhalsen här är inte alls antalet GPC, det är helt och hållet RAM-bandbredd och antalet SMs * frekvens.

Kan tänka mig att spelmotorer verkligen försöker gruppera saker så att man hoppar mellan "kernels" så lite som möjligt. Men gissar att ett program som Blender inte riktigt har den lyxen, vilka kernels som körs dikteras i princip helt av scenens sammansättning i den "tile" som för tillfället renderas. Gissar att de fall som ser störst boost från TU-104 är de där flest kernels är aktiva samtidigt, donera en TU-106 och en TU-104 2060 så lovar jag att testa den tesen

Kollar man hur en TU-104 rimligen kan kapas till 30 SM på ett sätt där varje GPC är symmetrisk (förutsätter att man alltid har dessa symmetriska, schemaläggning av allt som är asymmetriskt är långt svårare problem) ger dessa varianter givet att en hel TU-104 har 6 st GPC

• 6 GPC => 5 SMs per GPC

• 5 GPC => 6 SMs per GPC

• 4 GPC => 7,5 SMs per GPC

• 3 GPC => 10 SMs per GPC

Givet att TU-106 har 3 GPC tror jag sista kan strykas från listan (alt. så är hela min spekulation felaktig). Näst sista kan också strykas då det skulle leda till asymmetriska GPC-block. Vilken av de två första som finns kan mycket väl variera beroende på var defekterna fanns eller så kanske antalet GPC på något sätt är hårdkodade i GigaThread Engine. Egentligen irrelevant, det viktiga är att det är rätt sannolikt att TU-104 baserade 2060 har fler GPC än TU-106 baserade och förklaringen lurkar där!

Skulle vara kul om Nvidia förklarade exakt vad som ligger bakom. Vad detta ändå visar är att design av moderna GPUer måste vara en balansakt utan dess like mellan de olika delarna...