3D建模3080ti和RTXA4000比怎么样？

如果涉及到3D大场景建模以及渲染这块的话，建议选择专业卡，还是推荐RTXA4000。专业卡本身主要就是针对专业绘图设计领域而生的，是专门为主流的专业应用程序而优化的显卡，在专业应用中，工业设计、影视三维动画等领域往往会用上大规模的模型和高级场景渲染，专业卡会有相当大的优势
一方面，在显存方面，专业卡可以支持较大规模的场景，另一方面，专业卡对主流软件的兼容和优化，具有非常高的稳定性。
RTX 4000是Quadro目前最新Turing架构的中高端产品，具备2,304个Cuda Core和8G内存，除了Quadro专业卡基础的图像处理属性外，Turing架构还配备了RT Core和Tensor Core，在实时光线追踪和深度学习方面也有不错的性能表现。
另外除了选择高性能显卡，也可以试试云桌面，高性能更专业更快

如果你想要用i7 10700 CPU和RTX A4000显卡进行高档次的游戏或专业级的视频/图形渲染工作，那么700W的电源是够用的。i7 10700和RTX A4000的总电源需求一般在400W左右，加上其他组件的电源需求，700W的电源应该是足够的。但是，如果你的计算机中有额外的高功耗组件，例如多个硬盘/SSD、高功率冷却风扇等，那么你可能会需要更高功率的电源。
需要注意的是，如果采用低质量或不可靠的电源，可能会出现突然断电、电源短路等危险，导致硬件受损、数据丢失等问题。因此，在选择电源时，应该选择高品质的品牌和型号，以保证电源的可靠性和安全性。

AMDProW6800好。
1、AMDProW6800是一款高端桌面工作站显卡，它基于RDNA2架构，使用Navi21芯片，内存大，速度快。
2、rtxa4000相当于8g显卡。该显卡采用Ampere架构，拥有6144个CUDA核心，16GBGDDR6显存。

前几天误打误撞注册了AutoDL后果然有些停不下来，算上折扣，要比阿里云、腾讯云的gpu服务器更为合适，同时AutoDL是容器化实例，这样初始化在几秒内完成，而阿里云等初始化过程中的GPU驱动、框架搭建时间有些过于漫长了。如果把时间考虑在内，AutoDL性别比就更高了。

但AutoDL受实例限制，暂时无法编译TensorRT Backend版本，编译的是cuda112版本。在不同GPU实例下简单测试了一下katago的benchmark，权重为kata1-b40c256-s10359230464-d2525387336。

使用阿里云最低端的Tesla T4，4核cpu，15G内存服务器作为参考。

在使用sabaki对弈感觉速度尚可，但经过测试，NVIDIA RTX 3060 / 12GB的成绩与阿里云的Tesla T4比想象中要差不少。

作为TeslaT4的替代者，NVIDIA RTX A4000 / 16GB成绩相比TeslaT4略好一点，也符合AutoDL首页算力排名。AutoDL北京地区实例均使用RTX A4000。

NVIDIA RTX 3090 / 24GB成绩两倍于NVIDIA RTX A4000 / 16GB，同样符合算力排名。

最令人吃惊的是NVIDIA RTX 2080Ti / 11GB，成绩直逼阿里云TeslaV100 16G。katago测试过程中，

第一次测试居然认为成绩出现误差，提示“Optimal number of threads is fairly high, increasing the search limit and trying again”自动重新测试了一遍。

不愧为显卡核d。难怪黄厂长严令禁止数据商将游戏显卡用于数据服务器上。其价格居然还要低于NVIDIA RTX A4000 / 16GB，这也是性价比最高的GPU实例。

会。
显存溢出有两种情况，一种是普通的爆显存，是由于显卡的显存不足导致的。需要升级显卡或降低游戏分辨率和特效。另一种是显卡驱动程序或游戏兼容性导致的。可以尝试更新驱动程序或降低驱动程序版本。内存溢出，通常也称为 OOM（Out Of Memory 的缩写），是编程中经常遇到的问题，特别是使用 CUDA 的深度学习训练程序更容易遇到，因为内存、显存都有可能溢出。

---