[MetalKit]45-Using eGPUs with Metal 在 eGPU上使用 Metal

时间 2019-11-08

标签 metalkit using egpus metal egpu 使用繁體版

原文原文链接

本系列文章是对 metalkit.org 上面MetalKit内容的全面翻译和学习.macos

MetalKit系统文章目录编程

对于那些像我同样须要原生 GPU 性能，却只有一个笔记本电脑，又不想再买一个台式机的人来讲，解决方案彷佛就是外置 GPU(eGPU)。可是 macOS 原来却并不支持 Nvidia 的 eGPU，只有一大堆 AMD 的 GPU 方案。swift

在寻找完美 GPU 的过程当中，我找到了AMD Radeon RX Vega 64。它是目前的高端 GPU，在消费市场全部 GPU 中性能排行第二。Nvidia GPU 只在 TFLOPS 性能上比它领先一点。bash

teraflops (TFLOPS) 芯片可以每秒运行 10 亿次浮点运算。TFLOPS 是科学计算，机器学习及其余须要进行张量计算的工做中很是重要的性能。app

AMD Radeon RX Vega 64 有 4096 个核心，可以提供 12 TFLOPS(单精度)计算能力，处于 Nvidia Geforce GTX 1080 ti 有 3584 个核心 (11 TFLOPS)和新的 Nvidia Geforce RTX 2080 ti 有 4352 个核心 (13 TFLOPS) 二者中间.机器学习

固然，eGPU 也能加速图形应用和游戏，能让你链接外置显示器和 VR 头显。要注意的是，eGPU 须要带有 Thunderbolt 3 接口的 Mac，且系统为macOS High Sierra 10.13.4 及以上。更多信息能够查看网页Use an external graphics processor with your Mac。post

我直接去买了一个 Razer Core X 外置显卡盒，由于 Vega 64 推荐至少 600W 的电源功率，知足这个要求的盒子并很少。Sonnet eGFX更轻一些，可是却更贵。Razer Core X 的宽高和 15” Macbook Pro 一致：性能

此时 GPU 并无用光所有 650W。Vega 64 实际只须要 295W。多余的功率，是为了超频后 GPU 用的，此外，还能够经过 Thunderbolt 3 给你的 Mac 充电。最后，没错，Vega 64 也几乎和显卡盒同样宽同样重，名符其实的怪兽！学习

只要你经过 Thunderbolt 3 把 eGPU 链接到 Mac 上，并启动显卡盒的电源，在菜单栏上就会看到新的 eGPU 图标：测试

在活动监视器中，若是你打开 GPU 历史视图，你会看到列出的全部 GPU -- 集成的，断开的，或外置的：

在系统信息应用中，在图形/显示下面，你也会看到全部的 GPU，以及一些基本信息：

若是你在游戏或须要 GPU 的应用上右键单击，显示简介，你会看到“优先使用外置 GPU”选项：

我安装了 Geekbench 4 就跑了一下基准测试。试用版容许你运行基准测试并在线储存结果，而且只容许你运行 OpenCL 测试。完整版则容许 Dropbox 集成，本地保存结果，还有运行 Metal 测试。

运行一个测试，几分钟后就会完成：

正如指望的那样，Vega 64 的 Metal 测试得分是最高的。下面是排列好的分数列表：
– Metal on Radeon RX Vega 64 – 137651
– OpenCL on Radeon RX Vega 64 – 135711
– Metal on Radeon Pro 450 - 41602
– OpenCL on Radeon Pro 450 - 41578
– Metal on Intel HD 530 – 21888
– OpenCL on Intel HD 530 – 20878
– OpenCL on quad-core CPU - 13867

下一步，就是在这些 GPU 上运行一些 Metal 代码了。在 playground 中添加下面的代码块：

import Metal

let devices = MTLCopyAllDevices()

for device in devices {
    print(device.name)
    print("Is device low power? \(device.isLowPower).")
    print("Is device external? \(device.isRemovable).")
    print("Maximum threads per group: \(device.maxThreadsPerThreadgroup).")
    print("Maximum buffer length: \(Float(device.maxBufferLength) / 1024 / 1024 / 1024) GB.")
}
复制代码

运行一下，看到一个简单的输出：

AMD Radeon RX Vega 64
Is device low power? false.
Is device external? true.
Maximum threads per group: MTLSize(width: 1024, height: 1024, depth: 1024).
Maximum buffer length: 4.5 GB.

AMD Radeon Pro 450
Is device low power? false.
Is device external? false.
Maximum threads per group: MTLSize(width: 1024, height: 1024, depth: 1024).
Maximum buffer length: 1.5 GB.

Intel(R) HD Graphics 530
Is device low power? true.
Is device external? false.
Maximum threads per group: MTLSize(width: 256, height: 256, depth: 256).
Maximum buffer length: 2.0 GB.
复制代码

这样，你就能够查看设备的更多属性和功能，好比可用内存，可编程采样位置支持，光栅顺序组支持等等。更多信息，请查看 MTLDevice 网页。

苹果提供了两个示例代码项目，来帮助你在渲染和计算管线中进行 GPU 管理：

下面是一些有用的网页资料，关于资源储存模式，关于多显示器和多 GPU，关于 GPU 带宽，关于添加/移除外置 GPU，等等：

下次见！