本文介绍了深度学习中选择GPU的重要性，建议新手优先选择Nvidia GPU，特别是Geforce系列，因其性价比高，适合入门级深度学习。Nvidia的Tesla系列专为并行计算设计，适合数据中心，但价格昂贵。在选择GPU时，关注GPU架构、CUDA核心数量、显存位宽、工作频率和显存带宽等关键参数。
机器推理在深度学习的影响下，准确性越来越高、速度越来越快。深度学习对人工智能行业发展的贡献巨大，这得益于现阶段硬件计算能力的提升、互联网海量训练数据的出现。本篇文章主要介绍深度学习过程中如何选择合适的GPU显卡，如果你是深度学习新手，希望这篇文章对你有帮助。
推理用到的硬件分两种，一种是专业AI硬件公司出的AI芯片，一种就是我们平时熟知的GPU显卡了，前者不太适合入门学习，而后者无论从入门难度还是性价比上讲，对于新手来说都是优先的选择。而GPU显卡主流厂商大概两家，一个Nvidia，一个AMD，前者出的卡我们一般称之为N卡，后者称之为A卡。目前不管是普通消费市场（比如玩游戏）还是做机器推理的，N卡都占主流，生态也更好一些，因此，如果没有特殊原因，建议新手优先选择N卡入手。我个人不太推荐使用非主流的产品、技术，因为他们大多数不太成熟，使用过程中困难重重，甚至最终官方夭折。本篇文章所有内容全部基于Nvidia显卡。
Nvidia显卡分类
Nvidia显卡主要分3大类：
最低0.47元/天 解锁文章
1055
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
