关于2080TI魔改22G的稳定性

maghana

戴尔散热怎么样，

癞癞

老哥最后买了吗 在谁家买的？

vistb

癞癞 发表于 2024-6-3 14:33
老哥最后买了吗 在谁家买的？

没买，还是老老实实的用11g的……

qqwwaa112

vistb 发表于 2023-3-23 16:04
2080ti是小黄鱼上收的，价格2000出头吧。有点贵，不过据说是无尘机房下架的，收到以后再看看成色咋样。 ...

我两年前收的2080ti 1800，就是dell 无尘机房下架的，回来装上玩了几天有点花屏，给b站 修电脑的张哥修的，换了一颗显存他也没说修了啥，我看出来的。完了个把月没啥问题，带4K 144玩吃鸡负载100，换成3080ti了,现在闲置

YOUNGCI

Hockheim 发表于 2023-3-24 18:11
我找靓女改的，不知道是不是第一个，虽说搞了快2周才好，但她还是很负责的。目前暂时稳定。 ...

一年了使用体验怎么样，最近也想改2070的显存，怕不稳定爆了

psone

勇少 发表于 2023-3-22 19:41
没有HDMI2.1…感觉就差点意思了

没有HDMI2.1有会什么差别？

zj78900

vistb 发表于 2023-3-23 14:01
哦，方便细说一下？搬板凳想听小故事，哈哈

靓女就算了，就喜欢盖白布，实际上有些可以修的。

davidworld

mark Mark mark

红色狂想

unwarsky 发表于 2023-3-23 15:24
我现在就拿原装2080Ti玩
512x768 hiresfix2倍出原图 然后roll出了想要的图再mutidiffusion二次放大
麻烦点  ...

不懂就问，一直想搞两张vGPU计算卡插服务器上跑Stable Diffusion画色图大姐姐，但不知选哪款显卡性价比好，原本看上了Tesla P40，优势是显存容量诱人，但有人说这卡速度慢的要死。后来看到有文章说Tesla P100更好，优势是半精度浮点运算性能高，这一点对运行AI模型很重要，看你回帖中说2080Ti 11G就玩儿了，我是要在ESXi虚拟化环境下将vGPU计算显卡资源分配给虚拟机用来跑Stable Diffusion的，所以必须用NVIDIA Tesla系列显卡。网上查了一下，貌似与2080Ti架构参数对应的是Tesla T4，按我这需求，不知该怎么选了。另外再请教一个问题，目前SDXL支持多显卡作业吗？

fengpc

红色狂想 发表于 2025-5-2 22:07
不懂就问，一直想搞两张vGPU计算卡插服务器上跑Stable Diffusion画色图大姐姐，但不知选哪款显卡性价比好 ...

跑SD最低也得是20系，10系不支持半精度24G显存就等于20系的12G，没有tensor单元速度慢很多

fengpc

红色狂想 发表于 2025-5-2 22:07
不懂就问，一直想搞两张vGPU计算卡插服务器上跑Stable Diffusion画色图大姐姐，但不知选哪款显卡性价比好 ...

vGPU需要另外买授权

gmlee1999

画啥图啊，折腾半天浪费时间浪费钱，不如玩点游戏打发时间。

红色狂想

fengpc 发表于 2025-5-2 22:12
跑SD最低也得是20系，10系不支持半精度24G显存就等于20系的12G，没有tensor单元速度慢很多 ...

那Tesla T4就属于20系的卡吧？

红色狂想

fengpc 发表于 2025-5-2 22:13
vGPU需要另外买授权

nVIDIA vGPU License可以本地部署，我有40个永久授权，以前搞了一张Tesla P4玩儿过。

unwarsky

红色狂想 发表于 2025-5-2 22:07
不懂就问，一直想搞两张vGPU计算卡插服务器上跑Stable Diffusion画色图大姐姐，但不知选哪款显卡性价比好 ...

前面的不清楚，多卡的话好像只能开多个程序分别生成，而且得折腾折腾

robles

23年中买的魔改2080ti 22g，用到现在一切正常。

经常满负荷跑深度学习炼丹，时不时玩玩微软模拟飞行，最近玩天国拯救2，基本上都是满载。

utabll

4090都进厂改48GB了，应该问题不大。

taizer

maxreni 发表于 2023-3-23 14:10
我推荐智强显卡工作室， 我们烧掉的凄惨红，他挖洞飞线补点之后一直稳定服役 ...

这老哥纯纯的赛博华佗，飞线的时候手稳的跟CNC一样。

yueti55

我有一片，咸鱼找个小哥改的，目前在2奶机服役，安静稳定。 多批次跑图是一绝啊，跑AI也能32b到十几TK。如果同时有这两个需求，这个卡就是目前性价比最高的，没有之一。

gdsd

红色狂想 发表于 2025-5-2 22:22
nVIDIA vGPU License可以本地部署，我有40个永久授权，以前搞了一张Tesla P4玩儿过。 ...

是破解得到的永久授权么？

红色狂想

gdsd 发表于 2025-5-3 10:04
是破解得到的永久授权么？

它这个东西也不能称为破解，因为NVIDIA的正版也是要联网授权的，你想象成类似微软的KMS激活就行了，nVIDIA vGPU License这套软件是要安装部署到一台服务器上的，有人把授权密钥文件8a50130cae06(vdws 40) .bin导了出来，自己在本地内网中部署好Licserver服务端，导入 .bin授权文件，就能无限使用了，前提是不要接入互联网，Licserver服务器必须位于内网中，使用时任何内网中安装了Tesla系列显卡的机器，只要在NVIDIA显卡驱动软件授权许可面板选项中将许可证服务器网关IP地址和端口号指向Licserver服务地址就授权激活了，续约期限类似DHCP服务器，到期会自动续约，所以就永久授权了，我也是在小黄鱼上买的，当时花了50大洋，现在便宜得很，最新版驱动稍贵一些。

fengpc

红色狂想 发表于 2025-5-2 22:18
那Tesla T4就属于20系的卡吧？

T4是TU104 GPU，75W的卡不带外置供电性能差了点，2080ti 22G性价比高

fengpc

robles 发表于 2025-5-2 23:32
23年中买的魔改2080ti 22g，用到现在一切正常。

经常满负荷跑深度学习炼丹，时不时玩玩微软模拟飞行，最近 ...

我们有两张2080ti 22g涡轮卡炼丹用了两年还好好的，耕升/影驰版本散热器纯铜的散热最好，MSI的散热明显就缩水了整个卡轻很多温度也高

miche

换硅脂手残，然后再靓女那里修订，就是广西有点远，也有点慢，前后花了2礼拜。

红色狂想

fengpc 发表于 2025-5-3 18:28
T4是TU104 GPU，75W的卡不带外置供电性能差了点，2080ti 22G性价比高

是的，2080Ti的确是目前AI画图最具性价比的选择，但魔改22G版总让我感到不安全，我只能接受原厂卡。而且我的应用场景是ESXi虚拟化环境下将vGPU资源分配给虚拟机用跑SDXL，所以必须用Tesla系列的显卡。Tesla T4的优势在于低功耗密集部署。不过SDXL不支持多GPU协作并行计算，插在多T4也没意义，还是等等上Tesla V100吧

Tesla T4与RTX 20系列对比分析
NVIDIA Tesla T4不属于GeForce RTX 20系列显卡，但它与20系列显卡同属于Turing架构，并支持Tensor Core单元。以下是详细分析：

1. Tesla T4与RTX 20系列的关系
・架构相同，定位不同
  Tesla T4基于Turing架构（TU104核心），与GeForce RTX 20系列（如RTX 2060/2070）共享同一代架构。然而，T4属于专业计算卡（Tesla系列），专为数据中心、AI推理和虚拟化场景设计，而RTX 20系列是面向消费级市场的游戏显卡。

・规格差异
  CUDA核心：T4拥有2560个CUDA核心，介于RTX 2060（1920个）和RTX 2070（2304个）之间。
  显存：T4配备16GB GDDR6显存，远超RTX 20系列的6-8GB，适合大模型推理和虚拟化。
  功耗：T4的TDP仅70W，远低于RTX 2070的175W，适合服务器密集部署。

2. Tensor Core的支持
・专用Tensor Core加速AI推理
  Tesla T4搭载了320个Tensor Core，支持多种精度计算（FP16/FP32/INT8/INT4），尤其在INT8模式下可提供高达130 TOPS的算力，显著优化深度学习推理性能。

・与消费级显卡的对比
  RTX 20系列虽也支持Tensor Core，但其设计更偏向图形渲染和光线追踪（RT Core），而T4的Tensor Core针对AI推理和计算任务进行了专门优化，例如支持更低精度（如INT4）和更高的并发推理吞吐量。

3. 适用场景与限制
・优势领域
  Tesla T4在以下场景表现突出：
  AI推理：如自然语言处理（NLP）、计算机视觉模型的部署。
  虚拟化：支持NVIDIA vGPU技术，允许多个虚拟机共享显卡资源。
  视频编解码：可同时解码38路高清视频流，适合流媒体服务。

・不推荐场景
  游戏：缺乏游戏驱动优化，实际游戏性能低于同规格消费级显卡。
  深度学习训练：FP32性能较弱（8.1 TFLOPS），建议使用A100或RTX 3090等更高性能显卡。

总结
・架构归属：Tesla T4与GeForce RTX 20系列同属Turing架构，但属于专业计算卡系列，并非消费级20系显卡。
・Tensor Core支持：明确支持Tensor Core，且在AI推理场景中性能显著优于同代消费级显卡。
・定位差异：T4的核心价值在于低功耗、大显存和专业计算优化，而RTX 20系列更侧重图形渲染与游戏性能。

红色狂想

unwarsky 发表于 2025-5-2 22:56
前面的不清楚，多卡的话好像只能开多个程序分别生成，而且得折腾折腾

为什么时至今日Stable Diffusion XL最新版还不支持多显卡协同作业，难道这款AI创作工具仅面向个人小众市场吗？

Stable Diffusion XL（SDXL）作为当前开源图像生成模型的标杆，尚未支持多显卡协同作业（Multi-GPU Parallelism）的原因涉及技术架构、开发策略、市场需求等多个维度。以下从技术限制、用户定位、开发优先级等角度综合分析：

1. 技术架构与实现复杂度
・模型并行化难度：SDXL基于扩散模型（Diffusion Model），其推理过程需要逐步骤去噪生成图像，这种串行特性天然限制了多显卡并行计算的效率提升。尽管训练阶段可通过数据并行（Data Parallelism）加速，但推理阶段的实时生成难以拆分到多卡协同。

・显存与通信瓶颈：多卡协同需将模型参数分配到不同显卡，并通过高速总线（如NVLink）同步数据。SDXL模型参数量庞大（如基础模型35亿参数），显存占用高，普通用户的多卡配置可能因显存不足或通信延迟而无法有效利用。

・框架支持有限：SDXL依赖PyTorch等框架，而PyTorch对多卡推理的优化更多面向训练场景，推理阶段的动态资源分配和负载均衡仍不成熟。例如，用户尝试通过CPU加速（如IPEX技术）反而比多卡部署更易实现。

2. 用户定位与市场需求
・个人用户主导：SDXL的设计初衷是“在民用级显卡上运行”，主要服务于个人创作者和小型团队。多数用户硬件配置为单显卡（如RTX 3060 12GB），多卡需求集中于极少数专业工作室或企业用户。

・企业级替代方案：企业用户更倾向于使用云服务（如京东云GPU实例、阿里云TDX节点池），通过分布式计算和弹性资源扩展解决算力需求，而非依赖本地多卡部署89。例如，阿里云g8i实例通过CPU加速策略即可实现接近GPU的推理效率。

・社区生态适配：SDXL的开源生态（如WebUI、ControlNet插件）主要优化单卡体验，插件开发者更关注功能扩展（如高清修复、姿势控制），而非底层硬件协同。

3. 开发优先级与资源分配
・性能优化方向：Stability AI及社区开发者近期聚焦于提升单卡生成质量与速度，例如：
  模型轻量化：通过量化、剪枝降低显存占用（如4GB显存用户可通过高分辨率修复插件生成高清图）。
  算法改进：引入两阶段生成（基础模型+Refiner）、多宽高比训练等，直接提升输出质量。
  跨平台适配：优化CPU推理、移动端部署（如通过IPEX技术加速Intel CPU）。

・多卡支持收益低：对于大多数用户，单卡性能已能满足日常需求（如RTX 4090生成1024x1024图像仅需数秒），多卡协同的边际效益不足以覆盖开发成本。

4. 未来可能性与替代方案
・技术突破：若扩散模型的并行算法取得进展（如异步去噪、分层生成），多卡支持可能成为现实。部分研究团队已在探索分布式推理框架，但尚未成熟。

・企业级定制：商业公司可基于SDXL源码二次开发，例如Playground V2通过微调和模块扩展提升性能（如使用更大UNet主干），但未涉及多卡协同。

・云端分布式方案：用户可通过Kubernetes集群管理多节点推理（如阿里云ACK集群），间接实现“多卡协同”，但这属于基础设施层解决方案，非SDXL原生功能。

总结
SDXL暂不支持多显卡协同作业的核心原因在于技术复杂度高、用户需求有限、开发资源倾斜于单卡优化。其定位仍以个人和小团队为主，企业用户则通过云端算力扩展需求。未来若社区或商业版本出现分布式推理框架，可能会填补这一空白，但目前并非开发优先级。对于急需多卡性能的用户，建议采用云服务或等待技术突破。