KI-Kunst im Benchmark: So schlagen sich Geforce- und Radeon-Grafikkarten in Stable Diffusion
Künstliche Intelligenz und Deep Learning sind auf dem Vormarsch. Ein aktueller Test hat hierzu unterschiedliche Geforce- und Radeon-Grafikkarten auf den Prüfstand gestellt.
In Sachen Künstliche Intelligenz (KI) und maschinelles Lernen haben zuletzt vor allem der Text-Bot Chat-GPT und Bild-Software auf sich aufmerksam gemacht, die neue Kunst auf Basis gesammelter Daten mittels Deep Learning erstellt. Während viele solcher Anwendungen extern mit viel Server-Leistung im Rücken laufen, kann man dergleichen beispielsweise auch mit dem Text-zu-Bild-Programm Stable Diffusion auf dem eigenen PC mit der Rechenleistung der vorhandenen Grafikkarte durchführen.
Dies hat sich die Webseite Tomshardware.com mit zahlreichen Nvidia-, AMD- sowie Intel-GPUs zunutze gemacht und in Benchmarks festgehalten, wie diese abschneiden. Zusammenfassend lässt sich dabei sagen, dass Grafikkarten von Nvidia bei der Abarbeitung die Oberhand haben, da die meiste Software in dem Bereich laut dem Bericht mit CUDA und anderen Nvidia-Tools entwickelt wird.
Nichtsdestotrotz läuft Stable Diffusion natürlich auch auf anderen GPUs, wobei für den Test von Tomshardware.com drei verschiedene Projekte der Software verwendet wurden, weil keins davon durchweg auf allen Grafikkarten der drei großen Hersteller funktioniert. In Anbetracht von Optionen und Usability entschied man sich dabei auf Nvidia-Seite für die Webui-Version von Automatic 1111, während AMD-GPUs mit der Shark-Version von Nod.ai getestet wurden.
Durchwachsene Ergebnisse
Der Support hinsichtlich Performance und Lauffähigkeit gestaltete sich mit Intels Arc-GPUs am schwierigsten, jedoch habe es mit Stable Diffusion OpenVINO auch hier "einige sehr grundlegende Funktionen" gegeben. Die Vergleichbarkeit ist aufgrund der unterschiedlichen Versionen und teils auch der Verwendung von Linux insgesamt schwierig.
Zudem musste etwa für die Performance der RTX 40-Karten noch ein Fix nachinstalliert werden, während RDNA-3-GPUs dem Wortlaut nach sehr gut abschneiden würden und RDNA-2-GPUs eher mittelmäßig erscheinen. Die RX 7900-Reihe konnte derweil in einem Fall unter Linux nicht getestet werden und die Ergebnisse auch je nach Nutzung der Rechenwerke variieren.
Bildergalerie
Dem Fazit nach handelt es sich daher letztlich auch bestenfalls um eine Momentaufnahme der Leistung von und in Stable Diffusion. Häufige Projektaktualisierungen, Unterstützung für verschiedene Schulungsbibliotheken und mehr würden das Leistungsbild stetig verändern, weswegen man das Ganze zu einem späteren Zeitpunkt mit womöglich mehr breitgefächertem Support erneut untersuchen wolle.
