1.了解NVIDIA显卡架构

已于 2025-03-11 14:23:20 修改
阅读量8.8k 收藏 24
点赞数 4
分类专栏： CUDA编程 文章标签： 深度学习 pytorch 神经网络
于 2020-06-16 15:54:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/feng__shuai/article/details/106788709
版权

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
    在这里插入图片描述
    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
1.0Tesla
2.0Fermi
3.0Kepler
4.0–
5.0Maxwell
6.0Pascal
7.0Volta
7.5Turing
8.0Ampere

在这里插入图片描述

官网查询：https://developer.nvidia.cn/cuda-gpus#compute

如何查看CUDA算力/内存总量/架构信息等
2301_77554343的博客
11-29 5063
线程块/网格的最大维度大小分别为(x,y,z)=(1024, 1024, 64)和(x,y,z)=(2147483647, 65535, 65535)。: 最大纹理维度大小为1D=(131072)，2D=(131072, 65536)，3D=(16384, 16384, 16384)。: 计算模式，默认是多个主机线程可同时使用::cudaSetDevice()来访问设备。: 设备是否支持统一寻址（Unified Addressing），这里是支持的。: 最大内存跨度（pitch）大小（zu为占位符）。
【Nvidia显卡知识】从架构和核心了解你的显卡
ueke1的博客
04-03 4943
Tensor Core是NVIDIA推出的一种专为深度学习和高性能计算优化的处理器核心，专门针对深度学习中的矩阵运算进行优化。通过不断的创新和优化，Tensor Core能够提供更高的性能、更高的能效比和更广泛的应用支持，从而推动深度学习和人工智能技术的发展。每一代架构都是NVIDIA针对当时的市场需求和技术挑战进行的创新和优化，不断推动着图形渲染、AI计算和高性能计算的发展。Pascal架构是NVIDIA在2016年推出的GPU架构，用于其GeForce、Quadro、Tesla系列的显卡。
NVIDIA GPU 架构详解：Pascal、Volta、Turing、Ampere、Ada、Hopper、Blackwell
分享实践与思考
03-03 4652
NVIDIA 的 GPU 架构持续演进，每一代都在计算能力、能效比和专用硬件加速方面取得突破。以下是主流架构的核心特性对比与应用场景分析。
查看 NVIDIA GPU 架构
AI工程化、开源分享、文档翻译、代码笔记
07-26 721
查看架构 vidia-smi -q | grep Architecture
NVIDIA GPU 架构梳理
热门推荐
查理王的博客
03-19 1万+
文中图片大部分来自NVIDIA 产品白皮书 TODO：英伟达显卡型号梳理 目录： 一、NVIDIA GPU的架构演变历史 二、Tesla 架构 三、Fermi架构 四、Kepler架构 五、Maxwell架构 六、Pascal架构 七、Volta架构 八、Turing架构 九、Ampere架构 一、NVIDIA GPU的架构演变历史和基本概念[1] 截止2021年，发布时间离我们最近的8种NVIDIA GPU微架构是： Tesla (特斯拉) Fermi（费米） Kepler（开普勒...
显卡（Graphics Processing Unit，GPU）架构详细解读
欢迎来到我的博客！这里是一个专注于计算机技术的分享平台，涵盖编程开发、算法研究、系统架构、软件工程等多个领域。无论你是初学者还是资深开发者，都能在这里找到有价值的内容。
12-03 3105
显卡架构是指显卡硬件中各个组件的设计与相互关系，它决定了显卡如何处理图形、视频、计算任务以及与主机系统的交互。显卡架构的核心目标是优化并行计算，处理大量数据流，并将其快速地呈现到显示器上。随着计算需求的不断增长，现代显卡架构越来越复杂，除了图形处理，显卡还被用于科学计算、深度学习等领域。
显卡帝手把手教你读懂GPU架构图
05-03
显卡帝手把手教你读懂GPU架构图
NVIDIA-Linux-x86-64-470.103.01.run GPU显卡驱动
04-26
标题中的"NVIDIA-Linux-x86-64-470.103.01.run"是一款NVIDIA为Linux操作系统编译的GPU显卡驱动程序，专为64位x86架构设计。这款驱动主要用于提升GPU在Linux环境下的性能，确保图形处理单元（GPU）能够与操作系统顺畅...
nvidia 显卡驱动 版本384.90
10-27
在IT领域，安装和更新NVIDIA显卡驱动是优化GPU性能、解决兼容性问题以及获取最新功能的关键步骤。以下是一些关于NVIDIA驱动安装和管理的知识点： 1. **驱动安装**：通常，用户需要在NVIDIA官方网站上找到对应系统和...
NVIDIA显卡及架构介绍
qq_44159782的博客
05-31 1万+
【版权申明】未经博主同意，谢绝转载！（请尊重原创，博主保留追究权）； 本博客的内容来自于：； 学习、合作与交流联系q384660495； 本博客的内容仅供学习与参考，并非营利； 文章目录一、NVIDIA显卡系列：二、架构排序（时间顺序）：三、如何确定我的计算机上搭载了哪款 GPU？四、linux下查看GPU版本和详情信息1、查看CUDA版本2、查看cudnn版本3、查看GPU版本信息和使用情况4、查看GPU型号五、CPU,GPU,TPU,NPU都是什么？参考资料 一、NVIDIA显卡系列： Tegr.
NVIDIA Hopper 架构深入
RZer的博客
09-30 3104
这篇文章将带您了解新的 H100 GPU ，并介绍 NVIDIA Hopper 架构 GPU 的重要新功能。
NVIDIA TURING GPU 架构白皮书.pdf
05-07
1. 架构简介及主要特性： NVIDIA Turing架构引入了新型的流式多元处理器（SM），其在传统图形渲染任务上实现了革命性的性能提升。Turing架构的一个主要特点是集成了Tensor核心，这是专门用于深度学习和人工智能计算...
显卡帝教你读懂GPU架构图 轻松做达人
痞子龙3D编程
05-16 7124
GPU架构“征途之旅”即日起航 GPU架构“征途之旅”即日起航     显卡GPU架构之争永远是DIY玩家最津津乐道的话题之一，而对于众多普通玩家来说经常也就看看热闹而已。大多数玩家在购买显卡的时候其实想的是这款显卡是否可以满足我实际生活娱乐中的应用要求，而不大会很深入的关注GPU的架构设计。不过，如果你想成为一个资深DIY玩家，想与众多DIY高手“高谈阔论”GPU架构设计
NVIDIA显卡架构
顺其自然~专栏
02-15 5181
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。，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。，但因为它们分别面向的目标市场以及产品定位的不同，这6个系列的GPU在软硬件的设计和支持上都存在许多差异。（特斯拉（磁感应强度单位））
【架构】GPU架构总结
qq_43543209的博客
02-25 7759
在之前的 SM 概览图以及上图里，可以注意到 SM 内有两个 Warp Scheduler 和两个 Dispatch Unit. 这意味着，同一时刻，会并发运行两个 warp，每个 warp 会被分发到一个 Cuda Core Group(16 个 CUDA Core), 或者 16 个 load/store 单元，或者 4 个 SFU 上去真正执行，且每次分发只执行 一条 指令，而 Warp Scheduler 维护了多个（比如几十个）的 Warp 状态。在提升性能的同时，H100的功耗也在大幅上升。
显卡结构及工作原理
l1987021的专栏
03-20 3990
显卡结构及工作原理   什么是显卡？ 　　显卡的工作非常复杂，但其原理和部件很容易理解。在本文中，我们先来了解显卡的基本部件和它们的作用。此外，我们还将考察那些共同发挥作用以使显卡能够快速、高效工作的因素。 　　显示卡(videocard)是系统必备的装置，它负责将CPU送来的影像资料(data)处理成显示器(monitor)可以了解的格式，再送到显示屏(screen)上形成影像。...
linux内核显卡驱动架构,Linux N卡驱动年终盘点：干得漂亮
weixin_33739387的博客
04-30 330
Linux N卡驱动年终盘点：干得漂亮出处：快科技 2013-12-19 11:43:16 作者：上方文Q 编辑：上方文Q[爆料] 收藏文章每到年底，Phoronix.com都会对一年来的Linux显卡官方驱动进行一番盘点，尤其是对比一下性能变化。今天首先带来的是NVIDIA篇。NVIDIA虽然对开源一向没什么兴趣，但是Linux官方闭源驱动还是一向很给力的，更新及时，功能齐全...
ubuntu22.04 nvidia显卡驱动cuda
最新发布
03-26
### 安装 NVIDIA 显卡驱动和 CUDA 支持 #### 准备工作 在 Ubuntu 22.04 中安装 NVIDIA 驱动程序和 CUDA 工具包之前，建议先更新系统的软件包列表并升级现有软件包。 ```bash sudo apt update && sudo apt upgrade -y ``` #### 添加 NVIDIA 软件源 为了获取最新的 NVIDIA 驱动程序和支持版本的 CUDA，可以添加官方 PPA 或直接通过 `apt` 进行安装。以下是推荐的方法： ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update ``` #### 查找适合的 NVIDIA 驱动版本 可以通过以下命令查找当前硬件最适合的 NVIDIA 驱动版本号[^1]。 ```bash ubuntu-drivers devices ``` 此命令会返回一系列可用的驱动选项及其对应的版本号。选择最新稳定版作为目标安装版本。 #### 安装 NVIDIA 驱动 假设查询结果显示推荐版本为 `nvidia-driver-525`，则执行如下命令完成驱动安装[^2]。 ```bash sudo apt install nvidia-driver-525 ``` 重启计算机以应用更改。 ```bash sudo reboot ``` 验证 GPU 是否正常运行以及驱动是否成功加载。 ```bash nvidia-smi ``` 如果显示有关设备的信息，则说明驱动已正确安装。 #### 下载与安装 CUDA Toolkit 访问 [NVIDIA CUDA 官方下载页面](https://developer.nvidia.com/cuda-downloads)，根据操作系统架构筛选合适的工具包链接。对于 Ubuntu 22.04 推荐采用 `.run` 文件形式或者基础库加头文件的方式进行部署。 ##### 方法一：使用 .deb (local) 包管理器方式 按照提示下载对应平台的 deb(local) 版本压缩包后解压至本地目录，并导入到 APT 缓存中去处理依赖关系问题[^3]。 ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda ``` ##### 方法二：手动脚本安装法 (.run file) 这种方法更加灵活可控，但可能需要额外解决一些权限冲突等问题。 ```bash chmod +x cuda_<version>_linux.run sudo ./cuda_<version>_linux.run --override ``` 注意，在实际操作前阅读相关文档确认具体参数设置情况。 #### 设置环境变量 编辑用户的 shell profile 文件来永久生效 PATH 和 LD_LIBRARY_PATH 的调整[^4]。 ```bash echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 最后再次检查配置状态。 ```bash nvcc --version ``` 以上步骤完成后应该能够顺利编译运行基于 CUDA 平台的应用程序了。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值