架构排序(时间顺序):
- Tesla: 市面已经没有相关显卡
- Fermi:GeForce 400, 500, 600, GT-630
- Kepler:Tesla K40/K80, GeForce 700, GT-730
- Maxwell: Tesla/Quadro M series GeForce 900, GTX-970
- Pascal: Tesla p100,GTX 1080, GTX 1070, GTX 1060
- Votal: Tesla V100, GTX 1180
- Turing: T4,GTX 1660 Ti, RTX 2060
- Ampere: A100
- Hopper: H100
显卡系列:
- Tegra: 手机和嵌入式设备(jetson)用的
- GeForce: 显示器用的,比如电脑的显卡
- Quadro: 专业绘图
- Tesla: 大规模计算,比如深度学习训练
描述GPU有两个指标,一个是CUDA的核心数量,第二个是内存大小,在评估时主要考虑峰值计算性能和内存带宽,一般核心数量越多,TFlops越大,效果越好,在选购显卡的时候要首先根据用途选择对应的系列,然后看相应的计算性能和内存。
算力:
算力包含一个大版本x和一个小版本y, 一块显卡的算力的表示就是x.y, x其实就是代表着显卡的架构, y代表这基于这个架构一些增量优化,比如7.5就是基于volta的架构优化的,最后命名为turing架构。
x.y | 架构 |
---|---|
1.0 | Tesla |
2.0 | Fermi |
3.0 | Kepler |
4.0 | – |
5.0 | Maxwell |
6.0 | Pascal |
7.0 | Volta |
7.5 | Turing |
8.0 | Ampere |
官网查询:https://developer.nvidia.cn/cuda-gpus#compute