深度學習是一個對算力要求很高的領域，GPU的選擇將從根本上決定你的深度學習體驗。如果沒有GPU，可能你完成整個實驗需要幾個月，甚至當你只想看看參數調整、模型修改后的效果時，那可能也得耗費1天或更久的時間。

8月份的時候，論智出過一篇《ICLR老司機的經驗和建議：深度學習顯卡選型指南》，當時因為實體卡還沒有正式銷售，再加上只英偉達只重點介紹了RTX 2080和RTX 2080Ti，文章作者只能根據性能數據做一些推測。時至今日，很多人已經搶到了新顯卡，市場上更是半路殺出了個程咬金——RTX 2070。

為了讓測評結果更嚴謹，小編頂著煉丹師朋友的40米長刀，在這里更新一下Tim Dettmers的最新測評結果。如果讀者想知道是否該多買幾塊顯卡、N卡/A卡/Intel/谷歌/亞馬遜該怎么選擇、是什么決定了GPU的快慢，建議閱讀8月那篇長文。

終極建議

整體性能最好的GPU：RTX 2070

最不建議買的GPU：任何Tesla卡, 任何Quadro卡, 任何公版卡, Titan V, Titan XP

性價比高，但小貴：RTX 2070

性價比高，同時便宜：GTX Titan (Pascal), GTX 1060 (6GB), GTX 1050 Ti (4GB)

預算很少：GTX 1060 (6GB), GTX Titan (Pascal), GTX 1050 Ti (4GB)

幾乎沒預算：GTX 1050 Ti (4GB)/CPU（建模）+ AWS/TPU（訓練）; Colab.

參加Kaggle競賽：RTX 2070; 如果錢不夠就買GTX 1060 (6GB)或GTX Titan (Pascal)，就用它們建模+ AWS（最終訓練）+ fast ai庫

有前途的CV/機器翻譯研究員：GTX 2080 Ti; 在2019年升級到RTX Titan

NLP研究員：RTX 2070(用16-bit)

有雄心壯志的深度學習菜鳥：先買一塊RTX 2070，如果想更深入研究深度學習，6-9個月后再多買幾塊RTX 2070。用這些顯卡撐兩年，之后再按照你的成型研究方向買更合適的

隨便玩玩的深度學習菜鳥：GTX 1050 Ti (4或2GB)，不建議為此買新電腦

性能測評

各GPU和TPU的標準化原始性能數據（越高越好）

各GPU/TPU性價比比較

根據以上兩個新數據，我們可以發現RTX2070的性價比比2080和2080Ti都要高。這是因為比起性能上的差異，現在它們在價格的差異稱得上離譜，不如多入手幾個價格更低的2070。同樣的，這個分析需要考慮一些偏差：

價格波動。目前，GTX 1080 Ti、RTX 2080和RTX 2080 Ti顯卡價格過高，未來也許會便宜一些；

這種分析適合個人用戶，它沒有考慮到網絡所需的內存和計算機能容納的GPU數。例：裝了4個高速GPU的計算機和裝了2個高性價比GPU的計算機，肯定是前者總體性價比更高。