AnswersPublished24 sources
gpu-unlock boleh mempercepat pengiraan Tensor Core tertentu pada RTX 30, bukan semua tugas AI
Modul Linux gpu unlock menyasarkan operasi Tensor Core FP16 dan BF16 tertentu pada GPU Ampere terpilih. Ia mengubah tetapan perkakasan sebelum pemacu NVIDIA asal mengendalikan kad grafik.
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Modul Linux gpu unlock menyasarkan operasi Tensor Core FP16 dan BF16 tertentu pada GPU Ampere terpilih.
- Ia mengubah tetapan perkakasan sebelum pemacu NVIDIA asal mengendalikan kad grafik.
- Ujian RTX 3090 Ti menunjukkan peningkatan besar dalam sesetengah pengiraan matriks, tetapi prestasi aplikasi AI tidak semestinya meningkat pada kadar yang sama.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Zagitta’s free, open-source gpu-unlock tool, how does its Linux kernel module raise FP16 and BF16 multiply-accumulate instruction is. Article summary: Zagitta’s gpu-unlock is an open-source Linux kernel module intended to remove selected Tensor Core instruction-issue limits on Ampere GeForce GPUs, bringing those issue rates—not overall GPU performance—to professional-c. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Projek sumber terbuka gpu-unlock oleh Zagitta ialah modul kernel Linux untuk GPU GeForce Ampere terpilih. Ia menyasarkan operasi Tensor Core FP16 dan BF16 yang menggunakan pengumpulan FP32. Menurut pembangunnya, modul ini mengembalikan kadar arahan operasi tersebut kepada tahap kad profesional. Hasil penanda aras menunjukkan peningkatan ketara bagi sesetengah pengiraan matriks, tetapi bukan semua aplikasi AI menjadi lebih pantas pada kadar yang sama. 1
8
Cara gpu-unlock berfungsi
Projek ini menyasarkan GPU berasaskan GA102, GA103, GA104 dan GA106. Modul dimuatkan melalui initramfs—persekitaran awal yang digunakan semasa proses but Linux—sebelum pemacu NVIDIA asal mengambil alih kad. Ia kemudian mengubah pemilih kelajuan perkakasan dan melakukan tetapan semula fungsi (FLR) sebelum menyerahkan kad kepada pemacu yang tidak diubah suai. Antara tetapan yang dinyatakan dalam repositori ialah SS0 0x88888888 dan pemilih IMLA4 SS1 empat bit 0x8. 1
Kaedah ini menggabungkan teknik V67/PLM daripada kerja terdahulu untuk kad perlombongan CMP dengan pelaksanaan awal sebelum pemacu dimuatkan, seperti pendekatan UEFI. Namun, gpu-unlock sendiri ialah modul kernel Linux—bukan pemacu NVIDIA yang diubah suai atau aplikasi UEFI. Kaedah yang diterangkan juga tidak memerlukan pengubahsuaian perkakasan atau pemflasan VBIOS secara kekal. 1
4
Apa yang ditunjukkan oleh angka penanda aras
Keputusan RTX 3090 Ti yang diterbitkan projek itu menggunakan ujian GEMM padat bersaiz 8192³, pengumpulan FP32, had kuasa 450 W dan median daripada lima sampel. Ini ialah ukuran yang dilaporkan pembangun, bukannya ujian piawai bebas. 1
| Ujian RTX 3090 Ti | Asal | Selepas dibuka | Perubahan dilaporkan |
|---|---|---|---|
| FP16 | 87.46 TFLOPS | 118.39 TFLOPS | Kira-kira +35% |
| BF16 | 87.50 TFLOPS | 157.41 TFLOPS | Kira-kira +80% |
| TF32 | 42.58 TFLOPS | 82.61 TFLOPS | Kira-kira +94% |
Seorang pengguna RTX 3090 turut melaporkan FP16 meningkat daripada 82 kepada 126 TFLOPS (+54%), BF16 daripada 82 kepada 129 TFLOPS (+57%), dan TF32 daripada 41 kepada 74 TFLOPS (+80%). Ini ialah keputusan individu daripada komuniti, jadi ia bukan jaminan bahawa setiap kad atau konfigurasi akan mendapat peningkatan yang sama. 13
Satu lagi laporan keserasian menyatakan gpu-unlock berfungsi pada RTX 3090 EVGA tanpa pengubahsuaian, menggunakan Ubuntu 24.04 dan had kuasa 350 W. Laporan itu menyebut kadar FP16/BF16 kira-kira dua kali ganda bagi setiap MHz. Namun, angka tersebut dinormalkan mengikut kelajuan jam; ia tidak membuktikan bahawa jumlah prestasi mutlak turut berganda pada had kuasa berkenaan. 30
Mengapa peningkatan dalam aplikasi AI boleh lebih kecil
Ujian matriks mengasingkan jenis pengiraan yang disasarkan gpu-unlock. Dalam aplikasi sebenar, operasi itu mungkin hanya menggunakan sebahagian daripada keseluruhan masa pemprosesan. Maka, peningkatan prestasi keseluruhan boleh jadi lebih rendah. Beberapa laporan yang tersedia menunjukkan perbezaan ini:
- Pada RTX 3090 tanpa pengubahsuaian, satu laporan vLLM mendapati pemprosesan prompt sekitar 33% lebih pantas, manakala penjanaan token hampir tidak berubah. Laporan sama menyebut ujian lapan jam dengan beban kerja bercampur.
10
- Laporan berasingan bagi RTX 3090 yang dihadkan kepada 230 W mencatat peningkatan pemprosesan prompt sekitar 22–30% dan penjanaan token sekitar 1–5%. Beban kerja serta konfigurasinya berbeza, jadi keputusan ini tidak boleh dibandingkan secara langsung dengan laporan vLLM tadi.
43
- Pada sebuah RTX 3090 Ti, beberapa graf kerja ComfyUI yang banyak menggunakan BF16 dilaporkan berjalan 31–60% lebih pantas, sementara prestasi INT8 hampir tidak berubah.
19
Hasil sebenar bergantung pada sama ada sesuatu beban kerja menggunakan ketepatan dan arahan yang terjejas, selain faktor seperti kernel, saiz matriks, pemprosesan kelompok dan had kuasa. Had kadar arahan yang lebih tinggi boleh menghasilkan peningkatan besar dalam GEMM, tanpa memberikan peningkatan setara kepada keseluruhan proses inferens. 1
10
19
43
Status projek, keserasian dan perkara yang perlu dipertimbangkan
Repositori itu sudah tersedia kepada umum pada 18 Oktober 2026. Angka sejarah daripada penjejak pihak ketiga menunjukkan kira-kira 2,200 bintang pada 24 Oktober. Rekod aktiviti yang dibekalkan turut menunjukkan commit 4189b17 mengembalikan cabang kepada keadaan kerja di c274e74, iaitu commit yang dikaitkan dengan penggunaan semula unlock selepas komputer keluar daripada mod tidur. Maklumat ini ialah gambaran pada masa tertentu, bukan pengesahan keadaan terkini repositori. 19
28
42
44
Modul Zagitta khusus untuk Linux. Pendekatan Windows berasaskan UEFI yang berasingan dan masih eksperimen pernah melaporkan peningkatan BF16 pada satu konfigurasi perkakasan tertentu. Namun, itu tidak membuktikan keserasian Windows secara meluas atau bahawa modul Zagitta mempunyai versi Windows yang disokong. 20
Pemasangan melibatkan konfigurasi kernel dan initramfs serta tetapan semula GPU ketika but. Laporan keserasian turut menyebut masalah konfigurasi khusus pengedaran Linux, manakala sejarah pembangunan projek menunjukkan pernah berlaku pengembalian perubahan. Jika mahu mencubanya, semak maklumat keserasian terkini dan sediakan cara untuk memulihkan sistem. Laporan kejayaan ringkas belum membuktikan kebolehpercayaan jangka panjang merentas kad, kernel, pemacu serta konfigurasi tidur dan sambung semula. 6
42
44
Kesimpulan yang disokong bukti adalah lebih khusus: gpu-unlock boleh mempercepat dengan ketara beberapa beban kerja matriks Tensor Core, dengan projek melaporkan peningkatan BF16 kira-kira 80% dalam ujian RTX 3090 Ti mereka. Bukti yang tersedia tidak menunjukkan peningkatan setara bagi semua inferens AI, dan tidak mengesahkan manfaat untuk DLSS atau prestasi permainan. 1
4
45
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "gpu-unlock boleh mempercepat pengiraan Tensor Core tertentu pada RTX 30, bukan semua tugas AI"?
Modul Linux gpu unlock menyasarkan operasi Tensor Core FP16 dan BF16 tertentu pada GPU Ampere terpilih.
What are the key points to validate first?
Modul Linux gpu unlock menyasarkan operasi Tensor Core FP16 dan BF16 tertentu pada GPU Ampere terpilih. Ia mengubah tetapan perkakasan sebelum pemacu NVIDIA asal mengendalikan kad grafik.
What should I do next in practice?
Ujian RTX 3090 Ti menunjukkan peningkatan besar dalam sesetengah pengiraan matriks, tetapi prestasi aplikasi AI tidak semestinya meningkat pada kadar yang sama.
Sources
3dmgame.com开源工具gpu-unlock解除RTX 30系限制，部分计算性能提升近80%_3DM单机
x.comDavid Y. Tan on X: "Tried gpu-unlock on an RTX 3090 (cold ...