神经网络用哪个显卡好

㈠ 深度学习显卡用amd还是英伟达

深度学习显卡用英伟达比较好。

NVIDIA使用的人较多，所以网上的资源也比较多，容易学习和构建。而AMD的显卡，由于很迟才推出它的编程架构，用的人比较少，所以网上的资料较少，所以很难去学习。NVIDIA在深度学习训练方面的领先地位在MLPerf 0.6中得到了证明，这是AI训练的第一项行业级基准测试。

深度学习显卡的选择：

1、选择算力在5.0以上的

根据官方说明，在GPU算力高于5.0时，可以用来跑神经网络。算力越高，计算能力越强，建议小伙伴们在资金充足的情况下，尽量买算力高一些的。

2、尽量选择大显存

显存越高，意味着性能越强悍。特别是对于CV领域的朋友们，建议至少有一个8GB显存的显卡。下面是英伟达的部分中高端显卡的一些性能参数。

3、GPU几个重要的参数

GPU架构：

不同款的GPU可能采用不同设计架构，比如GeForce 10系列的GTX 1080/1080Ti采用的是Pascal架构，而GeForce 20系列的RTX 2080/2080Ti采用的是Turing架构。不同架构的GPU，即使其他参数差不多，性能差别可能非常大。

显存带宽：

代表GPU芯片每秒与显存交换的数据大小，这个值等于显存位宽＊工作频率，单位为GB/秒，该值越大，代表GPU性能越好。Geforce GTX 1080的显存带宽为320GB/秒，而它的升级版Geforce RTX 2080的带宽为448GB/秒。

显存位宽：

代表GPU芯片每个时钟周期内能从GPU显存中读取的数据大小，这个值越大代表GPU芯片和显存之间数据交换的速度越快，性能越好。Geforce GTX 1080的显存位宽为256bit，Geforce RTX 2080Ti显存位宽为352bit。

GPU工作频率：

代表GPU每秒钟工作次数，单位为MHz，跟CPU的频率类似。该值越大代表性能越好。

CUDA核心数量：

CUDA核心数量越大越好，Geforce GTX 1080的CUDA核心数量是2560个。而Geforce RTX 2080Ti的CUDA核心数高达4352个。

功耗：

GPU能耗，像Geforce这种消费级的显卡一般功耗非常高，Geforce GTX 1080的最大功耗为175W，Tesla P4的最大功耗为75W。像那种数据中心大规模级别的GPU部署，低功耗的显卡一年电费能省很多。

㈡ NVIDIA Quadro k600可以用来配合CUDA跑神经网络吗

这是一款入门级的专业显卡,CUDA单元很少, 所以不适合.

㈢ 核心显卡可以跑神经网络

核心显卡可以跑，神经网络的你可以在核心店卡里面登录好神经经络网络，然后再进行系统操作就可以。

㈣ 神经网络运算一般配多少G显卡

8GB。
一个神经网络，除了看模型的性能（准确率/精度）以外，还要考虑在训练/推理时模型占用的内存大小和计算量，毕竟一个效果再好的模型，如果需要内存才能跑起来，综上总的算下来，神经网络运算一般配8GB显卡就够用了。

㈤ 训练神经网络用什么显卡

Quadro是计算系列显卡，用于专业计算。面向的对象是实验室和公司等用于专业计算的用户。在性能上Quadro并不会相较于GTX 1080 Ti有太大的优势，但是Nvidia限制了GTX消费群体，只能用来作个人用户和游戏使用，不能进行商业计算或者实验室开发。虽然规定显然是为了Nvidia的利益，但是对于消费者而言，也是一件好事，可以让普通消费者更轻易买到好的GPU。
如果是个人来用的话，推荐GTX，也可以考虑RTX，毕竟在价格和性价比上具有绝对的优势

㈥ RTX 2060Super可以用作机器学习、神经网络训练么

当然可以，显卡能不能用于这些深度学习算法训练，主要看有没有cuda单元。 super的意思只是cuda单元增加了，所以肯定能用，而且比普通版的要好

㈦ 训练深度学习的人工智能，用哪个厂商的显卡最好

显卡领域，准确说是GPU领域，就是英伟达和AMD的显卡这两家实力最强。
英特尔还算初入门，实力不够。
至于华硕，只是拿来GPU之后做成显卡的，不足以与前几家相提并论。

㈧ 神经网络做图像分类一定要用到gpu吗

GPU最大的价值一直是“accelerating”(加速)，GPU不是取代CPU，而是利用GPU的并行计算架构，来将并行计算的负载放到GPU上来处理从而极大的提升处理速度。GPU本质上在异构计算架构上属于协处理器，常见的协处理器除了GPU，还有TPU、FPGA、ASIC等。神经网络图像分割，有很多适合GPU来做并行处理的算法。而GPU相较于其它加速协处理芯片，有更好的可编程性。NVIDIA在GPU加速计算领域发展多年，已经形成了非常好的软件生态。目前在深度学 习的训练端，GPU的应用和部署已经极为普遍，说是标准配置也不为过。在推理端，NVIDIA也有布局T4 GPU卡。深度神经网络用GPU相较纯CPU，能够提速几百倍，所以还是推荐GPU。关于负载如何搭配硬件配置，选用什么型号的GPU卡还是可以咨询下英伟达官方授权的代 理商-思腾合力，我想在这方面思腾合力会帮助到你的。

㈨ 现在英伟达的什么显卡还可以用来做神经网络计算

没错，现在显卡的多处理器结构比标准CPU更适合做神经网络计算。