3d神经网络电脑显卡

A. 神经计算棒能当显卡吗

神经计算棒不能够当显卡使用。神经元计算棒（Neural Compute Stick，简称 NCS）作为加速器 - 将其插入电脑，以便在训练和设计新的神经网络时获得更多的本地计算能力。用户可以将多个NCS链在一起，提高线性性能。神经计算棒可以方便快捷地在本地执行神经网络。

B. 训练神经网络用什么显卡

Quadro是计算系列显卡，用于专业计算。面向的对象是实验室和公司等用于专业计算的用户。在性能上Quadro并不会相较于GTX 1080 Ti有太大的优势，但是Nvidia限制了GTX消费群体，只能用来作个人用户和游戏使用，不能进行商业计算或者实验室开发。虽然规定显然是为了Nvidia的利益，但是对于消费者而言，也是一件好事，可以让普通消费者更轻易买到好的GPU。
如果是个人来用的话，推荐GTX，也可以考虑RTX，毕竟在价格和性价比上具有绝对的优势

C. 核心显卡可以跑神经网络

核心显卡可以跑，神经网络的你可以在核心店卡里面登录好神经经络网络，然后再进行系统操作就可以。

D. 显卡和深度学习有什么联系

深度学习指的是基于深度神经网络的理论或者应用研究，通常研究场景在自然语言处理、图像、视屏等多媒体领域。

这就牵扯到了两个问题：

1. 深度学习研究牵扯大量的矩阵运算。因为训练深度神经网络和使用深度神经网络预测、分类数据都是需要进行大量矩阵运算的，同时会伴有大量非矩阵、但是可以并行的计算；
   

2. 当前自然语言、多媒体数据体量巨大，处理、计算这些大数据需要对深度学习模型进行大量的训练、预测。所以真正实际应用时需要的计算量是1中的大量计算乘上数据的数量（仅作不严谨的理解）。

普通的CPU很难胜任如此计算量巨大的任务，于是人们开始寻找合适的设备。在这个过程中逐渐开始使用GPU、DSP、FPGA以及ASIC（包括TPU、寒武纪芯片等等）设备加速计算。这些设备的设计初衷就是着重于计算，而不是像CPU那样计算和控制通吃，因而更加专业，效率更高。其中显卡由于游戏领域的市场带动，其产品计算能力和价格之比比其他设备划算很多，可以以游戏玩家的预算快速搭建起计算能力很强的科研平台，因此成为了几年前深度学习复兴早起的研究首选（Hinton等人的AlexNet便是使用英伟达K10显卡）。之后大家一直参考沿用，各种基于CUDA的开源计算框架也方便了研究，逐渐成为了习惯。现在因为各种深度学习应用逐渐出现，也有越来越多的人开始研究怎么在手机、嵌入式设备上部署深度网络，所以对FPGA和ASIC的研究也开始多了。

E. 英伟达的显卡只是禁止在数据中心进行神经网络计算吗自己家用可以吗

你只要没有2张以上的显卡，可以。

F. 深度学习用cpu训练和用gpu训练有什么区别

1、深度学习用cpu训练和用gpu训练的区别

（1）CPU主要用于串行运算；而GPU则是大规模并行运算。由于深度学习中样本量巨大，参数量也很大，所以GPU的作用就是加速网络运算。

（2）CPU算神经网络也是可以的，算出来的神经网络放到实际应用中效果也很好，只不过速度会很慢罢了。而目前GPU运算主要集中在矩阵乘法和卷积上，其他的逻辑运算速度并没有CPU快。

G. 英伟达禁止用gtx1080ti做神经网络计算吗哪些品牌的显卡可以计算

市面就两家消费级独立显卡，NVIDIA和AMD/ATI

1080TI不升级驱动不就行了，一样跑计算
NVIDIA的TITAN系列，Quadro系(亚洲授权是：丽台），Tesla系列
AMD全系列

H. 电脑显卡什么样的。

显卡（英语：Video card、Display card、Graphics card、Video adapter），是个人计算机最基本组成部分之一，用途是将计算机系统所需要的显示信息进行转换驱动显示器，并向显示器提供逐行或隔行扫描信号，控制显示器的正确显示，是连接显示器和个人计算机主板的重要组件，是“人机对话”的重要设备之一。如下图所示：

显卡通常由总线接口、PCB板、显示芯片、显存、RAMDAC、VGABIOS、VGA功能插针、D-sub插座及其他外围组件构成，现在的显卡大多还具有VGA、DVI显示器接口或者HDMI接口及S-Video端子和Display Port接口。

显卡是插在主板上的扩展槽里的（现在一般是PCI-E插槽，此前还有AGP、PCI、ISA等插槽）。它主要负责把主机向显示器发出的显示信号转化为一般电器信号，使得显示器能明白个人计算机在让它做什么。显卡的主要芯片叫“显示芯片”（Video chipset，也叫GPU或VPU，图形处理器或视觉处理器），是显卡的主要处理单元。显卡上也有和计算机存储器相似的存储器，称为“显示存储器”，简称显存。

(8)3d神经网络电脑显卡扩展阅读：

总线接口类型：

1、ISA显卡

ISA显卡是以前最普遍使用的VGA显示器所能支持的古老显卡。

2、VESA显卡

VESA是“”（视频电子工程标准协会）的缩写，由多家计算机芯片制造商于1989年联合创立。1994年底，VESA发表了64位架构的“VESA Local Bus”标准，80486的个人计算机大多采用这一标准的显卡。

3、PCI显卡

PCI（Peripheral Component Interconnect）显卡，通常被使用于较早期或精简型的计算机中，此类计算机由于将AGP标准插槽移除而必须仰赖PCI接口的显卡。

4、AGP显卡

AGP（AcceleratedGraphicsPort）是英特尔（Intel）公司在1996年开发的32位总线接口，用以增进计算机系统中的显示性能。分有AGP 1X、AGP 2X、AGP 4X及最后的AGP 8X，带宽分别为266MB/s、533MB/s、1066MB/s、以及2133 MB/s。

5、PCI Express显卡

PCI Express（亦称PCI-E）是显卡最新的图形接口，用来取代AGP显卡，面对日后3D显示技术的不断进步，AGP的带宽已经不足以应付庞大的数据运算。

6、外接PCI Express显卡

用USB或Thunderbolt高带宽线材连接到外接PCI Express显卡盒，需要用独立电源供应。

参考资料来源：网络-显卡

I. 现在英伟达的什么显卡还可以用来做神经网络计算

没错，现在显卡的多处理器结构比标准CPU更适合做神经网络计算。

J. 运行神经网络的机器需要什么配置

你是训练还是使用训练好的网络。
若果是训练的话，就看你的训练数据的大小。 我之前10万条数据，22个输入，1个输出。用matlab训练，也是一般的家用电脑就可以了。

若果只是使用训练好的神经网络， 对配置根本谈不上要求！对每一个输入的预测只是简单的算术运算。

《神经网络之家》