その表を見る限りではP100が最高の性能なので、私もそうだと思っていたのですが、実際にP100とT4を使ってみるとT4のほうがだいぶ速いです。
Tensor coreの有無がポイントで、Tensor coreのあるT4はCUDAバージョン使用により大幅速度アップとなっているようです。

話題変えますが、EbaさんはiGo棋院避難所というのをご存じでしょうか？
http://kashi.dip.jp:1515/~kashi/club/
個人の方が運営されているようですが、lzやKataGoを無料で使用できるみたいです。GPUはGTX1060みたいです。
Google colaboratory があるので利用価値は微妙かもしれません。

「Google Colabで使われているgpuの種類の調査」という記事がありました。
https://www.msdd.info/entry/2019/12/16/180000
NVIDIAの性能評価数値では P100 > P4 > K80 ですね。
CUDAバージョンでの数値もこの順になってます。
実作業速度では違うということか、またはP100でもCUDA無しということがあるのでしょうか
でも、この他にT4やV100もあるので混乱します。各種情報を見るとT4 > V100 > P100 > P4 > K80となるのかな？
何が選択されるのかはやってみなければ分からないガチャみたいなもので、これはこれで楽しいかもしれません

棋院避難所という囲碁対局サーバのことは名前は知ってますが利用したことはありません。
ここ「囲碁やら何やら」の基本コンセプトは「誰でもフリーで利用できる囲碁AIまたはそれに類するもの」なので、有料でないにしても会員登録が必要なのは紹介する気にならないのです。

P100,P4,K80,はGTXシリーズのようにTensor coreが無いので、CUDAバージョンよりOpenCLバージョンのほうが速い（多分）と思います。
なのでこれら３種類が選択された場合はOpenCLバージョンが使用されるようになっているのだと思います。
P100→OpenCLバージョン固定だと思います。

T4は基本性能（CUDAコア数)はP100よりだいぶ低いですが、RTXシリーズのようにTensor coreがあるためCUDAバージョンの恩恵が受けられ、大幅速度アップになっていると思われます。
V100>T4>P100>P4>K80,だと思いますが、V100は適用外だと思います。

棋院避難所は一度登録すると削除できない仕様だそうです。私も登録には少し抵抗があるので利用したことはありません。
Google colaboratoryもネームやパスワードを設定しているので登録なのかもしれませんが、何となく使いやすい感じがしますね。

＞Google colaboratoryもネームやパスワードを設定しているので登録なのかも
ああ、なるほど。そういう見方はしてませんでした。言われてみればそうですね

今までP4だけが選択されなかったのですが、ようやくヒットしました。
K80とP100と同様にOpenCLバージョンですが、P4だけはSabakiで起動するときに約2分間のチューニングが行われました。

K80 OpenCL　20b 200visits/s
P4 OpenCL 20b 350visits/s
P100 OpenCL 40b 400visits/s
T4 CUDA 40b 700visits/s

だいたいこんな感じかなと思います。T4が選ばれたら運が良いということになりますが、RTX2070～2080以上を使用している場合は、手元のマシンのほうが高速かもしれません。
いくら稼働してもファンがうるさくならないのが、私的には嬉しいポイントです。

設定ファイルの変更に関して、マイルドインベスターさんの記事が少し変更されたようです。
以前よりも分かりやすくなっているのと、Pythonを使って変更作業をする方法が追加されています。早速試してみましたがうまくいきました😄
こちらのやり方だと、KataGoをインストールすると自動的に設定ファイルも上書きされるので、少しだけ手間が省けるようです。

GPUの種類に何が使われているのか興味半分で見てみたいです。
マイルドインベスターさんが二通りの方法を記載されていますが、
具体的にはどうすれば見れますか？

＊ノートブックの下の方にある以下のセルを実行しても出力できます。
の方がソースコードの追加とかなくて簡単そうですが？？？

まず、ノートブックの下の方と言うのがどこのことか分かりません。
僕には無理でしょうか？

Tedさん

KataGoをインストールするためのプログラムが書かれているところの一番下を見てください。
「!echo "done!"」となっていると思います。この一つ手前に、
「!echo "GPU: " $gpu_name」を挿入します。

この状態でKataGoをインストールすると、最後のほうに、
「GPU: TeslaT4
done!」
のようにGPUの名称が表示されます。

ページを下のほうにスクロールさせていくと、よく見ると「!nvidia-smi」というのがあります。
KataGoのインストールと同じように、左の▷をクリックすると選択されたGPUの名称以外にも詳細な情報が出てきます。

hope366さん
ありがとうございます。
出来たと思います。

Using Katago Backend: CUDA
Using Katago Weight: 40b

WARNING: apt does not have a stable CLI interface. Use with caution in scripts.

/content
Cloning into 'katago-colab'...
remote: Enumerating objects: 102, done.
remote: Counting objects: 100% (102/102), done.
remote: Compressing objects: 100% (61/61), done.
remote: Total 102 (delta 46), reused 74 (delta 28), pack-reused 0
Receiving objects: 100% (102/102), 32.43 KiB | 467.00 KiB/s, done.
Resolving deltas: 100% (46/46), done.
ngrok: Text file busy
GPU: TeslaT4
done!

TeslaT4ってググると30万円以上していますね。
それをタダで使わせて貰っているのですね。🙏

余談ですが、今までの癖でタブキー押して一時停止にしてしまうのですが、
そうすればすぐに「ランタイムの切断　一定時間操作がなかったため。。。」
になるような気がします。
CPUを使っていないのだから一時停止する必要はないですね。きっと。

一時停止とはlizzieの分析のことでしょうか？
私の場合はスペースキーです。
タブキーを押すと、スペースキーでのオンオフが無効になるようです。
新しい発見でした😄

GPUを稼働してないと、数分で下のほうにGPUが使用されていない旨のメッセージが表示されて、
そこからさらに５分くらい放置でランタイムの切断になる感じですね。
ライタイム切断されても接続すればすぐに復帰するのであまり気にならない感じですね🙂