3d神經網路電腦顯卡

A. 神經計算棒能當顯卡嗎

神經計算棒不能夠當顯卡使用。神經元計算棒（Neural Compute Stick，簡稱 NCS）作為加速器 - 將其插入電腦，以便在訓練和設計新的神經網路時獲得更多的本地計算能力。用戶可以將多個NCS鏈在一起，提高線性性能。神經計算棒可以方便快捷地在本地執行神經網路。

B. 訓練神經網路用什麼顯卡

Quadro是計算系列顯卡，用於專業計算。面向的對象是實驗室和公司等用於專業計算的用戶。在性能上Quadro並不會相較於GTX 1080 Ti有太大的優勢，但是Nvidia限制了GTX消費群體，只能用來作個人用戶和游戲使用，不能進行商業計算或者實驗室開發。雖然規定顯然是為了Nvidia的利益，但是對於消費者而言，也是一件好事，可以讓普通消費者更輕易買到好的GPU。
如果是個人來用的話，推薦GTX，也可以考慮RTX，畢竟在價格和性價比上具有絕對的優勢

C. 核心顯卡可以跑神經網路

核心顯卡可以跑，神經網路的你可以在核心店卡裡面登錄好神經經絡網路，然後再進行系統操作就可以。

D. 顯卡和深度學習有什麼聯系

深度學習指的是基於深度神經網路的理論或者應用研究，通常研究場景在自然語言處理、圖像、視屏等多媒體領域。

這就牽扯到了兩個問題：

1. 深度學習研究牽扯大量的矩陣運算。因為訓練深度神經網路和使用深度神經網路預測、分類數據都是需要進行大量矩陣運算的，同時會伴有大量非矩陣、但是可以並行的計算；
   

2. 當前自然語言、多媒體數據體量巨大，處理、計算這些大數據需要對深度學習模型進行大量的訓練、預測。所以真正實際應用時需要的計算量是1中的大量計算乘上數據的數量（僅作不嚴謹的理解）。

普通的CPU很難勝任如此計算量巨大的任務，於是人們開始尋找合適的設備。在這個過程中逐漸開始使用GPU、DSP、FPGA以及ASIC（包括TPU、寒武紀晶元等等）設備加速計算。這些設備的設計初衷就是著重於計算，而不是像CPU那樣計算和控制通吃，因而更加專業，效率更高。其中顯卡由於游戲領域的市場帶動，其產品計算能力和價格之比比其他設備劃算很多，可以以游戲玩家的預算快速搭建起計算能力很強的科研平台，因此成為了幾年前深度學習復興早起的研究首選（Hinton等人的AlexNet便是使用英偉達K10顯卡）。之後大家一直參考沿用，各種基於CUDA的開源計算框架也方便了研究，逐漸成為了習慣。現在因為各種深度學習應用逐漸出現，也有越來越多的人開始研究怎麼在手機、嵌入式設備上部署深度網路，所以對FPGA和ASIC的研究也開始多了。

E. 英偉達的顯卡只是禁止在數據中心進行神經網路計算嗎自己家用可以嗎

你只要沒有2張以上的顯卡，可以。

F. 深度學慣用cpu訓練和用gpu訓練有什麼區別

1、深度學慣用cpu訓練和用gpu訓練的區別

（1）CPU主要用於串列運算；而GPU則是大規模並行運算。由於深度學習中樣本量巨大，參數量也很大，所以GPU的作用就是加速網路運算。

（2）CPU算神經網路也是可以的，算出來的神經網路放到實際應用中效果也很好，只不過速度會很慢罷了。而目前GPU運算主要集中在矩陣乘法和卷積上，其他的邏輯運算速度並沒有CPU快。

G. 英偉達禁止用gtx1080ti做神經網路計算嗎哪些品牌的顯卡可以計算

市面就兩家消費級獨立顯卡，NVIDIA和AMD/ATI

1080TI不升級驅動不就行了，一樣跑計算
NVIDIA的TITAN系列，Quadro系(亞洲授權是：麗台），Tesla系列
AMD全系列

H. 電腦顯卡什麼樣的。

顯卡（英語：Video card、Display card、Graphics card、Video adapter），是個人計算機最基本組成部分之一，用途是將計算機系統所需要的顯示信息進行轉換驅動顯示器，並向顯示器提供逐行或隔行掃描信號，控制顯示器的正確顯示，是連接顯示器和個人計算機主板的重要組件，是「人機對話」的重要設備之一。如下圖所示：

顯卡通常由匯流排介面、PCB板、顯示晶元、顯存、RAMDAC、VGABIOS、VGA功能插針、D-sub插座及其他外圍組件構成，現在的顯卡大多還具有VGA、DVI顯示器介面或者HDMI介面及S-Video端子和Display Port介面。

顯卡是插在主板上的擴展槽里的（現在一般是PCI-E插槽，此前還有AGP、PCI、ISA等插槽）。它主要負責把主機向顯示器發出的顯示信號轉化為一般電器信號，使得顯示器能明白個人計算機在讓它做什麼。顯卡的主要晶元叫「顯示晶元」（Video chipset，也叫GPU或VPU，圖形處理器或視覺處理器），是顯卡的主要處理單元。顯卡上也有和計算機存儲器相似的存儲器，稱為「顯示存儲器」，簡稱顯存。

(8)3d神經網路電腦顯卡擴展閱讀：

匯流排介面類型：

1、ISA顯卡

ISA顯卡是以前最普遍使用的VGA顯示器所能支持的古老顯卡。

2、VESA顯卡

VESA是「」（視頻電子工程標准協會）的縮寫，由多家計算機晶元製造商於1989年聯合創立。1994年底，VESA發表了64位架構的「VESA Local Bus」標准，80486的個人計算機大多採用這一標準的顯卡。

3、PCI顯卡

PCI（Peripheral Component Interconnect）顯卡，通常被使用於較早期或精簡型的計算機中，此類計算機由於將AGP標准插槽移除而必須仰賴PCI介面的顯卡。

4、AGP顯卡

AGP（AcceleratedGraphicsPort）是英特爾（Intel）公司在1996年開發的32位匯流排介面，用以增進計算機系統中的顯示性能。分有AGP 1X、AGP 2X、AGP 4X及最後的AGP 8X，帶寬分別為266MB/s、533MB/s、1066MB/s、以及2133 MB/s。

5、PCI Express顯卡

PCI Express（亦稱PCI-E）是顯卡最新的圖形介面，用來取代AGP顯卡，面對日後3D顯示技術的不斷進步，AGP的帶寬已經不足以應付龐大的數據運算。

6、外接PCI Express顯卡

用USB或Thunderbolt高帶寬線材連接到外接PCI Express顯卡盒，需要用獨立電源供應。

參考資料來源：網路-顯卡

I. 現在英偉達的什麼顯卡還可以用來做神經網路計算

沒錯，現在顯卡的多處理器結構比標准CPU更適合做神經網路計算。

J. 運行神經網路的機器需要什麼配置

你是訓練還是使用訓練好的網路。
若果是訓練的話，就看你的訓練數據的大小。 我之前10萬條數據，22個輸入，1個輸出。用matlab訓練，也是一般的家用電腦就可以了。

若果只是使用訓練好的神經網路， 對配置根本談不上要求！對每一個輸入的預測只是簡單的算術運算。

《神經網路之家》