显卡参数

2013年5月18日，NVIDIA在2013年游戏群英会上出人意料地以不公开产品型号的方式向大众展示了一款神秘显卡。尽管只是惊鸿一瞥，但是大家都相信这就是即将到来的GeForce GTX 780显卡。果不其然，在稍后的5月24日，NVIDIA正式发布了这款产品。GeForce GTX 780，NVIDIA新一代GTX 700系列的单核心旗舰显卡，其性能究竟如何呢？ GTX 780规格解读 或许NVIDIA认为GTX 780性能已经很出色，对保密不甚上心，因此其规格早在发布之前就已经被爆料得差不多了。本刊也早在4月下《GeForce GTX 780？ GK110神秘显卡抢先曝光》一文中曝光了该显卡。 下面，我们来看看GTX 780的详细规格。它和GTX Titan一样，都使用了基于“big Kepler”的GK110核心，这颗核心在本刊3月下评测GTX Titan的时候已经有详细介绍。完整版GK110的晶体管数量有71亿个，具备15组SMX、2880个CUDA core、384bit显存位宽、48个ROP单元。不过GT X Titan屏蔽了一组SMX，因此只有2688个CUDA Core。 GTX 780则屏蔽了三组SMX，具备12组SMX，流处理器数量降低到了2304个—这也是目前看到的第4款采用GK110核心的产品。之前已经分别有GTX Titan和针对行业用户的Tesla

电脑主要硬件配置就是CPU、显卡、内存、硬盘、屏幕等，其中CPU和显卡是本文的讲解重点。 CPU 现在我们能买到的主流CPU基本上都是英特尔和超威半导体的。也就是我们常说的Intel和AMD。 对于个人消费领域，AMD最常见的是锐龙、AMD FX、APU、速龙和闪龙系列，一般认为他们的性能依次减弱，锐龙最强，随后分别是AMD FX、APU和速龙，闪龙最弱。 由于市场大环境下，Intel在笔记本市场占据着绝对老大的位置，所以本文以Intel CPU做以详细讲解，也是为了更多想学习的朋友先了解下最主流的配置，并无黑AMD的意思，请A粉理解。 目前Intel CPU 酷睿系列的命名规则如下，也是目前笔记本最常见的CPU品牌。 在性能能上，同等代数的情况下i7＞i5＞i3，例如都是同样的八代CPU，i7-8700＞i5-8600＞i3-8100，这是因为Intel公司在规划设计上的定位，把i7作为高端，i5作为主流，i3作为入门。 在性能上，同系列产品，代数越高一般性能越强，例如同样都是酷睿i5，i5-7600＞i5-6600，这是因为每一代使用的构架（可以理解为科技含量）不同，当然工艺也会有所差异，简单说代数越大即越新，使用的构架是当前最先进的构架，所以代数越大性能越强，当然也是会有特殊情况的有的上一代的高端产品，会比本代的入门产品要强点的，俗话说的好“瘦死骆驼比马大”比如i5-6600

半夜睡不着，想谈谈自己对深度学习主机配置的一些经验，想自己diy深度学习硬件的朋友可以参考一下，因为本人也不是特别资深的电脑diy爱好者，所以很多地方也是一知半解，有错误请大家指正。首先我会谈几点必须注意的事项；然后我阐述一些配件选择的原则，因为硬件更新是很快的；最后会给出一下当下的配置清单。下面我们步入正题。 配置深度学习主机的注意事项： 1.一定计算好需要多大功率的电源！我们配置深度学习主机最核心的就是显卡，GPU的功耗往往很大，尤其我们经常使用两块以上的显卡。因此电源功率很重要，这是我们主机稳定工作的保障，我看到很多服务器甚至会选择双电源，但是我自己没有试过，不是很清楚双电源。 2.双显卡以上时必须注意处理器和主板的选择。如果是双显卡以上，那么pcie就面临是工作在x16还是x8的状态，这里应该是说带宽。我们在选择CPU是就要关注他们的pcie通道数，通道数大约40条以上两个GPU才会都工作在x16状态。另外可以选择双CPU的主板，这样就可以支持两个甚至更多的GPU工作在x16状态。 3.使用m.2固态硬盘时注意是否影响GPU工作在x16状态。这点也是个第二点有关的，就是pcie的通道资源是有限的，有的主板会写你使用m.2的固态会占用谁的资源，导致那个接口不能用。所以我一般会用sata那种接口。不过通道多的一般没什么影响，还是要看一下主板说明。 硬件选择原则 1.GPU选择

本文由Suzzz原创，发布于 http://www.cnblogs.com/Suzzz/p/4106581.html ，转载请保留此声明。 在使用GPU做计算，比如跑 Deep Learning代码的时候，我们可能希望能够实时检测显存的使用情况，但是Linux一般不会自带监视现存的工具。Nvidia自带了一个 nvidia-smi的命令行工具，会显示显存使用情况，但我们总不能每 10s 中就输入一次这个命令。 这时候就需要用到 watch命令了。 watch 命令简介 watch是做什么的？ 看一下系统怎么说 1 $ whatis watch 2 watch(1) - execute a program periodically, showing output fullscreen 功能很明白，周期性执行某一命令，并将输出全屏显示 watch的基本用法是 1 watch [options] command 最常用的参数是 -n， 后面指定是每多少秒来执行一次命令。 监视显存 我们设置为每 10s 显示一次显存的情况 watch -n 10 nvidia-smi 结果入下图所示 还是很清晰的 让Linux讲笑话，讲唐诗？ 小软件 fortune 每次执行都会随机说一句谚语、名言、电影台词等，当然都是英文的。 同样的， fortune-zh 每次执行都会显示一首唐诗。

一、硬件之间的关系 主板：就是提供配件插口的硬件，还有很多的电脑接口都在主板上。如果说电脑是一个拼图， 那么主板就是一个拼图的壳子，通过它才能把其他的东西拼上去。主板是链接各个部件的基础通道，不同的部件，使用的通道（总线）不同。 CPU：插在主板上的电脑的核心组建，一个电脑配置的关键道具，负责各种逻辑运算。 硬盘：插在主板上的电脑里面存贮文件的硬件，我的电脑里面的 C D E F 盘 其实就是硬盘， 只不过分了很多分区，你可以理解成硬盘就是电脑上一个不能直接拔下来，也必不可少的U盘 内存条：插到主板上 CPU的助手，运行程序时，存贮正在运行的程序所用到的空间，比如变形金刚3的电脑特效“一个擎天柱有一万多个组件”，电脑处理时不仅需要强大的硬盘，还需要很大的内存，好像是64G，因为处理时 系统都必须随时能读取到擎天柱的那么多组件，如果内存不够，自然就会卡，影响电影的效率。 显卡：插在主板上，也是CPU的助手，由于功能比较特殊，所以现在是独立显卡。但是仍然属于CPU的手下，你运行游戏的时候，很多图形需要处理，CPU自然就吃不消，显卡就是一个具体问题具体分析的硬件，专门处理这些图形，好让你玩那些游戏更加流畅，显卡也有内存，除了存储的是图形以外，其他跟内存差不多。 显示器：主要听从显卡的指挥，显卡上提供插口，接受并翻译显卡输出的信号成为图像，供你直接用眼睛看到。 参考： https:/

计算机是一种能够按照事先存储的程序，自动、高速地进行大量数值计算和各种信息处理的现代化智能电子设备。计算机都是由硬件和软件所组成，两者是不可分割的。人们把没有安装任何软件的计算机称为裸机。计算机系统中所使用的电子线路和物理设备，是看得见、摸得着的实体，如中央处理器（CPU ）、存储器、外部设备（输入输出设备、I／O设备）及总线等。 对能使计算机硬件系统顺利和有效工作的程序集合的总称。程序总是要通过某种物理介质来存储和表示的，它们是磁盘、磁带、程序纸、穿孔卡等，但软件并不是指这些物理介质，而是指那些看不见、摸不着的程序本身。可靠的计算机硬件如同一个人的强壮体魄，有效的软件如同一个人的聪颖思维。 我对计算机的认识尚浅显，以下，就几硬件设施略谈认识。 CPU，即中央处理器，是一台计算机的运算核心和控制核心，其功能主要是解释计算机指令以及处理计算机软件中的数据。CPU是衡量一台计算机性能好坏的重要指标，现在，其主要生产厂商有Inte公司和AMD公司。 内存是与CPU进行沟通的桥梁，计算机中所有程序的运行都是在内存中进行的，因此内存的性能对计算机的影响非常大。内存Memory）也被称为内存储器，其作用是用于暂时存放CPU中的运算数据，以及与硬盘等外部存储器交换的数据。只要计算机在运行中，CPU就会把需要运算的数据调到内存中进行运算，当运算完成后CPU再将结果传送出来

前言 在数据越来越多的时代，随着模型规模参数的增多，以及数据量的不断提升，使用多GPU去训练是不可避免的事情。Pytorch在0.4.0及以后的版本中已经提供了多GPU训练的方式，本文简单讲解下使用Pytorch多GPU训练的方式以及一些注意的地方。 这里我们谈论的是单主机多GPUs训练，与分布式训练不同，我们采用的主要Pytorch功能函数为 DataParallel 而不是 DistributedParallel ，后者为多主机多GPUs的训练方式，但是在实际任务中，两种使用方式也存在一部分交集。 使用方式 使用多卡训练的方式有很多，当然前提是我们的设备中存在两个及以上的GPU：使用命令nvidia-smi查看当前Ubuntu平台的GPU数量(Windows平台类似)，其中每个GPU被编上了序号：[0,1]： 在我们设备中确实存在多卡的条件下，最简单的方法是直接使用torch.nn.DataParallel将你的模型wrap一下即可： net=torch.nn.DataParallel(model) 这时，默认所有存在的显卡都会被使用。 如果我们机子中有很多显卡(例如我们有八张显卡)，但我们只想使用0、1、2号显卡，那么我们可以： net=torch.nn.DataParallel(model,device_ids=[0,1,2]) 或者这样： 很简单的操作

一、处理器CPU知识 CPU的分类 1.CPU品牌有两大阵营，分别是Intel(英特尔)和AMD,这两个行业老大几乎垄断了CPU市场，大家拆开电脑看看，无非也是Intel和AMD的品牌(当然不排除极极少山寨的CPU)。而Intel的CPU又分为Pentium(奔腾)、Celeron(赛扬)和Core(酷睿)。其性能由高到低也就是Core>Pentium>Celeron。AMD的CPU分为Semporn(闪龙)和Athlon(速龙)，性能当然是Athlon优于Semporn的了。 Intel与AMD标志认识 2.CPU的主频认识 提CPU时，经常听到2.4GHZ、3.0GHZ等的CPU，这些到底代表什么?这些类似于2.4GHZ的东东其实就是CPU的主频，也就是主时钟频率，单位就是MHZ。这时用来衡量一款CPU性能非常关键的指标之一。主频计算还有条公式。主频=外频×倍频系数。 单击“我的电脑”→“属性”就可以查看CPU类型和主频大小 我的电脑-属性查看cpu信息 3.CPU提到的FSB是什么 FSB就是前端总线，简单来说，这个是CPU与外界交换数据的最主要通道。FSB的处理速度快慢也会影响到CPU的性能。4.CPU提及的高速缓存指的又是什么呢?高速缓存指内置在CPU中进行高速数据交换的储存器。分一级缓存(L1Cache)、二级缓存(L2Cache)以及三级缓存(L3Cache)。