游戲顯卡中RTX2080Ti可以說是業界翹楚了，雖然不是專門為深度學習而設計，但是在深度學習上的性能表現也是不錯滴。而雲端深度學習卡一般都是以Tesla系列為主，雖然號稱專業的深度學習卡，但是某些型號也是很渣。
不知道有沒有人想過把2080ti也扔到雲端，然后可以按需付費，或者進行月租。肯定有吧，而且現在也有人做了。
滴滴雲正在公測G4雲服務（就是2080ti）。之前我做過GPU服務器的比較，滴滴雲的性價比是非常高，質量基本也是有保障。很幸運我也拿到了免費測試的機會（真香）。
下面就分享下在滴滴雲的2080ti 跑DeepFaceLab的體驗。同時也可以回答下部分群友的問題。具體而完整的安裝過程我會在另一篇文章中說明，本文主要就是看看跑DFL性能如何。
測試系統為: Windows Server 2019
測試的DFL版本為：20200315
測試素材：軟件自帶
登陸系統，安裝完驅動后可以通過設備管理器或者GPU-Z或者任務管理器看到看到顯卡型號為NVIDIA Ge Force RTX2080Ti，顯存11GB
通過娛樂大師可以看到這台雲端電腦的基本配置。其他配置我不關心，我就抓兩個核心，顯存11G，內存16G。下面就直接跑軟件了，分別測試了，提取，模型，合成這幾個環節的速度，大家可以對比一下自己的顯卡，有2080ti的也可以看看有啥差別。
提取環節：
提取dst 頭像的時候花了25分鍾，每秒鍾只處理了1張圖片，這個性能讓我陷入深深的懷疑，我懷疑這個階段主要用的不是GPU而是CPU，否則沒有理由2080ti不如我的1070吧？
訓練環節。
這個環節沒其他的，就是看單次迭代速度。
訓練Quick96模型, 單次迭代時間為94ms
訓練SAEHD模型，默認參數，單次迭代時間為249ms左右
訓練SAEHD模型，結構archi為dfhd，其他默認，單次迭代時間為650ms左右。
訓練SAEHD模型，像素Resolution 為192，其他默認，單次迭代時間為500ms左右。
訓練SAEHD模型，像素Resolution 為256 ，bs=4，其他默認，單次迭代時間為600ms左右。
合成環節：
使用時間5分16秒，每秒處理4.85張圖片。
下面以訓練環節，做一個簡單的橫向對比。
Colab上P100默認參數時的數據，單次迭代299ms。
1070默認參數下的數據，單次迭代時間449ms。
2080ti 上面已經給出了，單次迭代時間為249ms的樣子。
2080ti吊打1070這是必然，快得不是一丁半點。同時2080ti 還略強於P100。K80,P4,P40,T4這些也只能是弟弟了。雖然是游戲卡，但是干起來還是挺猛。
所以不管是雲端還是本地，只要錢管夠，買2080ti跑換臉還是非常不錯的選擇。做其他深度學習的研究也不錯。如果不想本地燒顯卡，占用游戲時間，或者想做一些雲端服務搞APP之類，那么搞個雲端的最爽了。只需要通過遠程桌面連接，操作和本地沒啥差別，無論何時何都可以輕松接入。