一大早被郵差門鈴吵醒，趕緊開門收貨開箱，拿出一幾乎全白的盒子放在桌上：
https://i.imgur.com/eXLDkXA.jpg
打開後，除了 TITAN V 本體，還有兩本手冊與一條 DP 轉 DVI 的轉接線：
https://i.imgur.com/6vKbiLq.jpg
背板有 3 個 DisplayPort 加 1 個 HDMI 接頭：
https://i.imgur.com/U9K85dq.jpg
將本體拿出靜電袋，準備裝進系統：
https://i.imgur.com/ECRr1Ut.jpg
現有一張 ASUS ROG STRIX-GTX1080TI-O11G-GAMING：
https://i.imgur.com/nXXIVmM.jpg
插好插滿：
https://i.imgur.com/EX7rItr.jpg
開機測試：
https://i.imgur.com/ldY5EDD.jpg
利馬跑個之前寫的tensorflow程式，用小量資料組訓練個一期，結果跟預想差不多，
在不為 GV100 寫客製最佳化程式下其實只比 1080Ti 快 30% 左右，要完整用到那
640 個 Tensor Core 的運算能力，還有很多文件要看程式要寫：
https://i.imgur.com/YGDy8Oi.png
不過如果你的程式有用到雙精度浮點運算(FP64)，倒是不用改程式就可以直接獲得
10 倍左右的加速，TITAN V 是 NVIDIA 首次在消費型顯卡下放全速 FP64 計算能力：
https://i.imgur.com/lIgIfMm.png
NVIDIA 的專業卡才會有的 ECC 記憶體，在 TITAN V 上還是沒有開放：
https://i.imgur.com/JjbUC5k.png
最後附上一個簡單的規格比較表：
╒═══════╤═══════╤══════╤══════╤═══════╕
│ │ Titan V │ Titan Xp │GTX 1080 Ti │ V100 │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ CUDA Cores │ 5120 │ 3840 │ 3584 │ 5120 │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ FP64 Cores │ 2560 │ 120 │ 112 │ 2560 │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ Boost Clock │ 1455 MHz │ 1582 MHz │ 1582 MHz │ 1370 MHz │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ 記憶體大小 │ 12GB │ 12GB │ 11GB │ 16GB │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ 記憶體介面 │3072-bit HBM2 │384-bit G5X │352-bit G5X │4096-bit HBM2 │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ 記憶體頻寬 │ 653 GB/s │ 547 GB/s │ 484 GB/s │ 900 GB/s │
╞═══════╪═══════╪══════╪══════╪═══════╡
│半精度(Tensor)│ 110 TFLOPS │0.19 TFLOPS │0.17 TFLOPS │ 112 TFLOPS │
╞═══════╪═══════╪══════╪══════╪═══════╡
│單精度 (FP32) │ 13.8 TFLOPS │12.1 TFLOPS │11.3 TFLOPS │ 14 TFLOPS │
╞═══════╪═══════╪══════╪══════╪═══════╡
│雙精度 (FP64) │ 6.9 TFLOPS │0.38 TFLOPS │0.35 TFLOPS │ 7 TFLOPS │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ GPU 晶片 │ GV100 │ GP102 │ GP102 │ GV100 │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ Die Size │ 815 mm2 │ 471 mm2 │ 471 mm2 │ 815 mm2 │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ 電晶體數量 │ 21.1B │ 12B │ 12B │ 21.1B │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ 製程技術 │TSMC 12nm FFN │TSMC 16nm FF│TSMC 16nm FF│TSMC 12nm FFN │
╞═══════╪═══════╪══════╪══════╪═══════╡
│ 售價 │ 10萬 │ 4萬 │ 2.8萬 │ 30萬 │
╘═══════╧═══════╧══════╧══════╧═══════╛