深度学习相关的主要 GPU 初识

和深度学习相关的主要 GPU 性能指标如下：

• 内存带宽：GPU 处理大量数据的能力，是最重要的性能指标。

• 处理能力：表示 GPU 处理数据的速度，将其量化为 CUDA 核心数量和每一个核心的频率的乘积。

• 显存大小：一次性加载到显卡上的数据量。运行计算机视觉模型时，显存越大越好，特别是如果你想参加 CV Kaggle 竞赛的话。对于自然语言处理和数据分类，显存没有那么重要

常见的显卡品牌

现在大家用的显卡主要是N卡和A卡，即英伟达显卡和ATI（冶天）显卡。就市面上普遍情况而言，GTX/S开头显卡是N卡，HD或R开头的是A卡。

知道自己显卡的品牌后，再了解自己显卡的品牌的命名规律。

N卡

前缀字母等级从低到高是这样排的：LE-GS-GE-GT-GTS-GTX

后缀数字

用GTX000来举例，第一个“0”简单讲是显卡架构世代也就是显卡世代的意思，第二个“0”是显卡性能，越高越好，第3位一般为“0”。也就是说先看第一位数，再看第二位，但第二位在第一位相差不大的情况下是重要的判断条件（如GTX680和GTX750，显然前者比后者好），举一个简单的例子子：GTX690>GTX680>GTX670

A卡

  A卡的型号由HD+XXX0四个字母组成，其中含义为： 1.第一个X代表世代；   2.第二个X：0-4代表低端或集成，5代表中低端，6代表中端，7代表中高端，8代表高端，9代表极品。 3.第三个X：0-4代表（隶属于第二个X之下的）低端或集成，5代表（隶属于第二个X之下的）中端，7代表（隶属于第二个X之下的）高端，9代表（隶属于第二个X之下的）极品。举个例子：（HD2400<

 

 

参考：https://blog.csdn.net/qq_38906523/article/details/78730158

          https://jingyan.baidu.com/article/ed2a5d1f79dd9909f6be172c.html