本文目录一览

1，现在CUDA计算选用什么显卡

N卡基本行
蓝宝石显卡

现在CUDA计算选用什么显卡

2，新买的1070 ti显卡能用来做深度学习吗

可以，还要看其他的配件
当然是可以的。

新买的1070 ti显卡能用来做深度学习吗

3，深度学习必须要用英伟达的GPU么

深度学习并不是必须要用英伟达的GPU。N卡能够支持自家开发的高效的CUDA库。AMD也推出了自己的ROCm库。也支持深度学习，只是没有N卡流行。
搜一下：深度学习必须要用英伟达的GPU么

深度学习必须要用英伟达的GPU么

4，英伟达GTX 750可以做深度学习吗在不考虑速度情况下是不是可以呢

这个显卡性能不是很强，深度学习的话不会流畅，如果你能接受卡顿是没有问题的。
基本没区别750不能玩的ti也一样卡在说ti贵不少推荐买个二手显卡合适实惠
可以；只要楼主使用的深度学习软件支持这块显卡，并且显卡可以正常使用，就可以支持深度学习操作，只是速度快慢的问题，一般来说跑深度学习是需要计算卡的，游戏卡还是效果一般。

5，为什么说NVIDIA GPU更适合进行深度学习深度学习

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。[2]

6，用于CUDA并行计算实验哪款显卡好

就目前来看，最适合做计算的GPU计算的是GeForce GTX TITAN 和 Tesla K20，详情如下GTX TITAN 1、核心数目 26882、显存带宽 288.4 G/s3、单精度浮点计算 4.5 TFlops 4、双精度浮点计算 1.3 TFlops 5、时钟频率 837-876MHzTesla K201、核心数目 24962、显存带宽 208 GB/s3、单精度浮点计算 3.52 Tflops 4、双精度浮点计算 1.17 Tflops5、时钟频率 705 MHz
cuda是nvidia最近力推的东西，简单的说，cuda也算是一种c语言为基础的平台，是利用强大的图形的浮点运算能力来完成以前需要cpu可以完成。什么是cpu的特点是有能力，但没有足够的专业人才，计算能力不高，但显卡是非常专业的，专用的图形浮点运算，能够将超过10倍，比cpu强。但显卡的应用范围很窄，所以nvidia显卡，以使其具有在计算机中较高的地位，你这样做一个cuda。 想用cuda，nvidia的显卡必须的，如果以后geforce 8图形。通常没用，只是转换视频格式，以及一点点的看高清时的作用。范围暂时cuda还是比较狭窄，nvidia可以看到它是如何发展的。

文章TAG：深度  深度学习  学习  显卡  深度学习显卡  
下一篇