BF16 → FP32 tensor rate
BF16 multiply with an FP32 accumulator, the shape used by bf16 training stacks.
測定方法
Register-resident mma.sync issue rate: all-one inputs, eight independent accumulator chains per warp, 20,000 iterations and three timed repetitions, best of three reported.
実測行
8 枚のカードにわたる 8 行。8 行が 5% 超の向上、0 行は変化なし。最大の向上は GeForce RTX 4070 SUPER の 2.00× です。
| モード | 純正 | アンロック後 | 向上 | カード |
|---|---|---|---|---|
bf16/f32 | 76.7 | 153.6 TF/s | 2.00× | GeForce RTX 4070 SUPER |
bf16/f32 | 106.9 | 213.6 TF/s | 2.00× | GeForce RTX 4080 |
bf16/f32 | 66.9 | 133.7 TF/s | 2.00× | GeForce RTX 4070 (Gigabyte) |
bf16/f32 | 104.8 | 209.3 TF/s | 2.00× | GeForce RTX 4080 SUPER |
bf16/f32 | 165.5 | 330.3 TF/s | 2.00× | GeForce RTX 4090 |
bf16/f32 | 84.7 | 168.9 TF/s | 1.99× | GeForce RTX 4070 Ti |
bf16/f32 | 18.2 | 36.3 TF/s | 1.99× | GeForce RTX 3050 6GB |
bf16/f32 | 66.3 | 132.0 TF/s | 1.99× | GeForce RTX 4070 (AD103) |
1.00× の読み方
1.00× の行はアンロック失敗ではありません。その経路が元々制限されておらず、オーバーライドが復元するものがなかったという意味です。自分のカードで測定して、気にしているモードが 1.00× だった場合、アンロックは正しく適用されていて、そのワークロードには効かないだけかもしれません。