YOLO 학습 RTX 2060 super VS RTX 2070 super

딥러닝 등 PC를 학습시키는데 있어서 GPU가 필요하고, 일반적으로 개인이 사용하는 GPU의 성능에 따른 필요한 학습시간이 궁금했다. 그래픽 카드에 따라서 어느 정도의 성능차이가 나타나는지를 시간을 중점으로 실험했다.

 

실험을 대상으로 한 GPU는 RTX 2060 super와 RTX 2070 super이다.

 

1. PC성능

 

• RTX 2060 super PC

CPU: AMD Ryzen 3 3200G

memory: DDR4 16GB

GPU: NVIDIA GeForce RTX 2060 SUPER

 

 

 

• RTX 2070 super PC

CPU: Intel Core i7 7700

memory: DDR4 24GB

GPU: NVIDIA GeForce RTX 2070 SUPER

 

 

2. 실험 환경

이미지 수: 18,452장

서로 다른게 PC 셋팅이 되어 있는 상태에서 학습으로만 테스트를 진행했다.

아쉽게 하드웨어 장치들을 옮겨가며, CPU나 메모리 등의 하드웨어를 동일한 조건에서 진행하는 것은 불가능 했다.

그 외의 img 수와 .cfg 파일, 앵커 값 등 학습 설정에 해당하는 부분은 동일한 조건에서 진행했다.

 

 

< .cfg 설정 >

 

3. 결과

• 차트 비교

- 초반 - 

초반에는 거의 차이가 없었다. 뿐만아니라 동시에 실행시켰음에도 불구하고, 매번 실행 시킬 때마다 초반에 더 빠르게 학습되는 PC가 달랐다. 즉 초반에는 2060 super 이든 2070 super 이든 큰 차이가 없었으며, 오히려 2060 super가 빠를 때도 많았다.

매우 적은량의 img 학습이나, 적은 iteration은 2060 super 이든 2070 super 이든 큰 효과 차이가 없다.

 

• 2060 super

< 2060 super 학습 5분 경과 >

 

< 2060 super 학습 11분 경과 >

 

< 2060 super 학습 16분 경과 >

 

 

 

• 2070 super

< 2070 super 학습 5분 경과 >

 

< 2070 super 학습 11분 경과 >

 

< 2070 super 학습 15분 경과 >

 

 

2060 super의 16분 학습 경과 사진과 2070 super 학습 15분 경과 사진이 1분 차이가 나는 이유는 yolo가 학습하면서 iteration이 100의 배수가 될 때마다 chart.png를 생성하는데, 2070 super가 조금 더 빠르다 보니  1분 차이가 발생했다.

 

- 학습 종료 -

각 PC에 학습을 실행시킨 후에 약 3일 후 확인했다. 마지막으로 생성된 weights파일의 수정한 날짜를 통해서 시간이 얼마나 차이나는지 확인이 가능하다.

 

• 2060 super

< 2060 super 학습 완료 시간 >

• 2070 super

< 2070 super 학습 완료 시간 >

 

• 학습완료 후 생성된 차트

• 2060 super

< 2060 super 최종으로 생성된 chart.png >

 

 

• 2070 super

< 2070 super 최종으로 생성된 chart.png >

 

 

4. 결과

실험 시작시간은 2020.06.04 16:31이다.

2060 super는 약 55시간 57분동안 학습을 진행했으며

2070 super는 약 51시간 50분동안 학습을 진행했다.

 

18,452장의 이미지 수를 이용해 학습을 진행했으며, GPU성능에 따른 학습 결과는 약 4시간 차이가 발생했다.

학습시켜야 할 양이 많아지면 많아질수록 학습시간의 차이가 크게 나타나겠지만, 며칠을 켜두어야 하는 상황에서 4시간 차이는 그리 커 보이지 않는다.

 

개인이 필요한 정도로 학습을 시킨다면, 그리고 학습시키는데 충분한 시간을 가지고 있다면, 2060 super로도 충분히 결과를 가지기 좋다고 생각한다.