amd显卡跑人工神经网络,amd显卡能跑神经网络吗

深度学习显卡用amd还是英伟达

深度学习显卡用英伟达比较好。NVIDIA使用的人较多，所以网上的资源也比较多，容易学习和构建。而AMD的显卡，由于很迟才推出它的编程架构，用的人比较少，所以网上的资料较少，所以很难去学习。

NVIDIA 在深度学习训练方面的领先地位在MLPerf0.6中得到了证明，这是AI训练的第一项行业级基准测试。

深度学习显卡的选择：1、选择算力在5.0以上的根据官方说明，在GPU算力高于5.0时，可以用来跑神经网络。算力越高，计算能力越强，建议小伙伴们在资金充足的情况下，尽量买算力高一些的。

2、尽量选择大显存显存越高，意味着性能越强悍。特别是对于CV领域的朋友们，建议至少有一个8GB显存的显卡。下面是英伟达的部分中高端显卡的一些性能参数。

3、GPU几个重要的参数GPU架构：不同款的GPU可能采用不同设计架构，比如GeForce10系列的GTX1080/1080Ti采用的是Pascal架构，而GeForce20系列的RTX2080/2080Ti采用的是Turing架构。

不同架构的GPU，即使其他参数差不多，性能差别可能非常大。显存带宽：代表GPU芯片每秒与显存交换的数据大小，这个值等于显存位宽＊工作频率，单位为GB/秒，该值越大，代表GPU性能越好。

GeforceGTX1080的显存带宽为320GB/秒，而它的升级版GeforceRTX2080的带宽为448GB/秒。

显存位宽：代表GPU芯片每个时钟周期内能从GPU显存中读取的数据大小，这个值越大代表GPU芯片和显存之间数据交换的速度越快，性能越好。

GeforceGTX1080的显存位宽