GPU

Deep Learning GPU Benchmarks(sarrow-up-right, ) Gamers Nexus uarrow-up-right Super Kr超极氪 uarrow-up-right 阿健座谈 uarrow-up-right

NVIDIA uarrow-up-right NVIDIA GeForce uarrow-up-right NVIDIA Studio uarrow-up-right 思腾合力 zharrow-up-right

GPU 计算能力(nvidiaarrow-up-right, )

计算能力(Compute Capability)是 Nvidia GPU 的一个术语,它代表着 GPU 支持的一系列计算特性和功能。

每个 Nvidia GPU 都有一个特定的计算能力版本号,例如:Compute Capability 8.6。计算能力版本号代表了该 GPU 支持的 CUDA 版本、指令集和硬件特性。计算能力版本号的提高通常会带来更高的性能、更多的功能和更好的兼容性。

具体来说,计算能力版本号与以下几个方面有关:

  • 指令集:计算能力版本号决定了 GPU 支持的指令集的类型和数量。新版本的计算能力通常支持更多的指令,因此可以更有效地执行复杂的计算任务。

  • GPU 架构:计算能力版本号反映了 GPU 的架构类型。不同的 GPU 架构可以提供不同的性能和功能,因此计算能力版本号可以帮助开发人员选择最适合其应用程序的 GPU。

  • CUDA 版本:计算能力版本号也指定了 GPU 支持的 CUDA 版本。新版本的 CUDA 可以提供更多的功能和性能优化,因此较新的计算能力版本号通常可以更好地利用 CUDA 的新功能。

综上所述,计算能力是一个非常重要的概念,它代表了 GPU 的功能和性能。开发人员需要了解不同的计算能力版本号,并根据自己的需求选择最适合的 GPU。

Nvidia GPU 的浮点性能是指其在进行浮点数运算时的峰值计算能力。计算能力的大小代表着该 GPU 可以在一定时间内完成的浮点数计算的数量。计算能力越高,意味着 GPU 在相同时间内可以完成更多的计算工作,因此在计算密集型的应用中具有更好的性能表现。

浮点性能通常由一个浮点数值来表示,例如 NVIDIA GeForce GTX 1080 Ti 的浮点性能为 11.3 TFLOPS(11.3万亿次浮点运算每秒)。这个数字代表着 GPU 可以在一秒钟内执行的浮点数计算的数量,因此它对于科学计算、机器学习和深度学习等需要大量浮点数计算的应用程序非常重要。

从加速游戏到加速人类,英伟达做对了什么? 技工虎克arrow-up-right

cpu对少量数据做复杂的计算, gpu对大量的数据做简单的计算

深度講解顯示卡的工作原理以及他的應用場景AI應用(20241202第0003期) 阿塔科普arrow-up-right

How do Graphics Cards Work? Exploring GPU Architecture Branch Educationarrow-up-right

How do Video Game Graphics Work? Branch Educationarrow-up-right

Fundamentals of GPU Architecture CoffeeBeforeArcharrow-up-right

volumeshader 毒蘑菇测试 sarrow-up-right varrow-up-right

集成显卡和核心显卡是一个东西嘛 90后科技说arrow-up-right

黄仁勋为什么能吃到GPU的每一波,cpu与gpu到底有什么区别?GPU时代终结了吗? 基地arrow-up-right

世界級大咖來啦!身價一兆的皮衣大叔,AI教父黃仁勳|Nvidia|輝達|英偉達|一兆男|白飯Cadaiarrow-up-right

为什么会有22GB显存的2080Ti? 技数犬arrow-up-right

TESLA A100 40GB 技数犬arrow-up-right 风冷改水冷

组装一台自己的GPU炼丹(深度学习)机器玩Ai。不贵,才万元出头! 欧皇张大千arrow-up-right

31 深度学习硬件:CPU 和 GPU【动手学深度学习v2】 跟李沐学AIarrow-up-right

深度学习专用12000的电脑长什么样 程序员Faitharrow-up-right

2023深度学习装机推荐 程序员Faitharrow-up-right 3090 24G

什么显卡能让ChatGPT跑在本地? 计算卡语言模型性能分析 Luv Letterarrow-up-right

進行AI訓練所用到的Nvidia GPU顯示卡怎麼挑選?一張表讓你快速掌握 JohnnyAIarrow-up-right

How to Choose an NVIDIA GPU for Deep Learning in 2023: Ada, Ampere, GeForce, NVIDIA RTX Compared Jeff Heatonarrow-up-right

How to choose a GPU for Computer Vision? | Deep Learning, CUDA, RAM and more Pysourcearrow-up-right

【科技杂谈79】从GTX到RTX,NVIDIA GEFORCE显卡家族的历史(1999-2019) 红酒汤姆一世arrow-up-right

4090在深度学习训练上的性能表现 Duan Qinghuaarrow-up-right

差价3千,从事生产力 显卡选3090还是3090TI? 草鸡实验室arrow-up-right

百万“电脑”该怎么玩?自己造个GPT! 科技宅小明arrow-up-right nanoGPT 新华三 R5350 G6

硬件科普arrow-up-right】全网最详细显卡散热工作原理科普

【AI芯片】GPU基础 ZOMIarrow-up-right gitarrow-up-right

全新中國顯卡MTT S70正式發佈,摩爾線程夏季發佈會匯總「超極氪arrow-up-right」摩尔线程

上帝视角看GPU Minmin Gongarrow-up-right

wuye9036/SalviaRendererarrow-up-right Salvia渲染器

这是史上最快GPU!我们测了四张H100!价值120万元!极客湾Geekerwanarrow-up-right

NVIDIA'S HUGE AI Chip Breakthroughs Change Everything (Supercut) Ticker Symbol: YOUarrow-up-right

英伟达NVIDIA创业20年坎坷之路,差点公司都丢掉 ZOMIarrow-up-right

【硬核】在诉讼与骂名中崛起的英伟达GPU:从未停止过战斗,也没有永远的朋友 硅谷101arrow-up-right

GPU 是怎麼被發明的? VisCircuit 電路筆記arrow-up-right

显示器刷新率和显卡帧数有什么关系? 机品社arrow-up-right

【Huan】 我買了一張Quadro繪圖卡! 能打遊戲嗎? 繪圖卡適合甚麼樣的人入手? Huanarrow-up-right

NVIDIA控制面板最佳設置!讓顯卡性能暴漲、遊戲幀數提升的保姆級教程 Super Kr超极氪arrow-up-right

四等分的显卡!用一张显卡开网吧是什么体验? 极客湾Geekerwanarrow-up-right

光线追踪 光线跟踪

上帝视角看GPU(6):光线跟踪流水线 Minmin Gongarrow-up-right

The Ray Tracer Challenge pragprogarrow-up-right

eGPU

eGPU-外置显卡坞 黑影儿TVarrow-up-right

ThinkPad eGPU Deep Learning Build Mark Jayarrow-up-right

RTX 4090 Gaming Laptop 🤯 eGPU Comparison with Desktop! Jarrod'sTecharrow-up-right

External GPU for 3D and Architecture Work - Razer Core X Chroma & Nvidia RTX 3080 Joseph Kimarrow-up-right

这台迷你主机居然自带显卡扩展坞?附送超频三GI-K750电源拆解评测【开箱翼闻录 第47期】 翼王arrow-up-right

笔记本外接RTX3080:鸡肋还是好用?老笔记本也能畅玩3A?| 笔吧评测室arrow-up-right

【SPlusTech】白菜价的OCulink显卡坞评测:轻薄本狂喜!价格实惠,无损改装,超高效的外接独显方案 SPlus Techarrow-up-right

唠唠雷电4:重新定义外接显卡 林亦LYiarrow-up-right

「自费评测」带PCIEX16插槽迷你主机零刻GTi12 Ultra i9-12900H迷你主机+EX显卡坞 4K影视级黑神话&黑苹果体验 小明白arrow-up-right

15块实现笔记本外接显卡??旧电脑也能爽玩黑神话悟空?!【翼王工作室】 翼王arrow-up-right

CUDA

CUDA Explained - Why Deep Learning uses GPUs deeplizardarrow-up-right

PyTorch - Python Deep Learning Neural Network API

CUDA Crash Course (v2) CoffeeBeforeArcharrow-up-right

NVIDIA CUDA 编程指南 pdfarrow-up-right

Intro to CUDA (part 3): Parallelizing a For-Loop Josh Hollowayarrow-up-right

Intro to Parallel Programming Udacityarrow-up-right

Tensorflow, Pytorch and OpenCV Setup with CUDA TheCodingBugarrow-up-right

CUDA Toolkit 12.2: New Accelerated Computing and Security Enhancements Revealed NVIDIA Developerarrow-up-right

CUDA Programming Course – High-Performance Computing with GPUs freeCodeCamparrow-up-right

虚拟化vGPU

微软Hyper-V

pro可用 home不可用

【全网首发】家用显卡虚拟化vGPU,微软Hyper-V独有免费功能 账户未命名arrow-up-right GPU 分区

Windows系统使用hyper-v虚拟机安装openwrt软路由、人人都能拥有的免费软路由、Hyper-v虚拟机刷入openwrt,虚拟机使用软路由系统、小白的第一台软路由 乡下小黑arrow-up-right

将VMware虚拟机转换为Hyper-V虚拟机 把布丢arrow-up-right

Windows 11 最新虚拟机版 震撼发布!完全免费,基于 “Moment 3”功能打造!速来体验!| 零度解说arrow-up-right

Windows 10 上的 Hyper-V 简介 microsoftarrow-up-right

微软最强虚拟机! Hyper-V 显卡直通教程,vGPU虚拟化,用途广,速度贼快!秒开应用!| 零度解说arrow-up-right gpu passthrough

AMD

游戏营销部门高级总监 Sasa Marinkovic

显卡部门 amdradeon

普普通通Tony大叔 Barrow-up-right dyarrow-up-right uarrow-up-right twarrow-up-right wbarrow-up-right 俞元麟Tony,华硕电脑中国区总经理

Apple 统一内存

坏了!苹果真有生产力了:我用3500块的Mac mini跑了这些大模型 量子位arrow-up-right

三千块的M4+16G,性价比与生产力体验能颠覆Win主机? #macminim4 评测 Luv Letterarrow-up-right

最后更新于