文中图片大部分来自NVIDIA产品白皮书TODO：英伟达显卡型号梳理目录：一、NVIDIAGPU的架构演变历史二、Tesla架构三、Fermi架构四、Kepler架构五、Maxwell架构六、Pascal架构七、Volta架构八、Turing架构九、Ampere架构十、Hopper架构一、NVIDIAGPU的架构演变历史和基本概念[1]截止2021年，发布时间离我们最近的8种NVIDIAGPU微架构是：Tesla (特斯拉)Fermi（费米）Kepler（开普勒）Maxwell（麦克斯韦）Pascal（帕斯卡）Volta（伏特）Turing（图灵）Ampere（安培）Hopper（赫柏）NVI
RTX40系显卡的家族阵容正越发齐整，是时候前瞻下RTX50系了。事实上，早在去年12月，就有坊间传言NVIDIA正在验证RTX50系原型样卡，GPU芯片代号Blackwell。日前，爆料大神RedGamingTech抢先分享了RTX50系显卡或者说BlackwellGPU的部分细节。他指出，新一代游戏显卡（如GB102）依然是单GPU芯片设计，单服务器/数据中心产品则会采用MCM多芯片互联。规格方面，基于GB102的RTX5090包含144组SM单元，也就是18432个CUDA（假设每组SM还是128个CUDA），比RTX4090多出12.5%，96MB二级缓存，匹配GDDR7显存（384b
RTX40系显卡的家族阵容正越发齐整，是时候前瞻下RTX50系了。事实上，早在去年12月，就有坊间传言NVIDIA正在验证RTX50系原型样卡，GPU芯片代号Blackwell。日前，爆料大神RedGamingTech抢先分享了RTX50系显卡或者说BlackwellGPU的部分细节。他指出，新一代游戏显卡（如GB102）依然是单GPU芯片设计，单服务器/数据中心产品则会采用MCM多芯片互联。规格方面，基于GB102的RTX5090包含144组SM单元，也就是18432个CUDA（假设每组SM还是128个CUDA），比RTX4090多出12.5%，96MB二级缓存，匹配GDDR7显存（384b
3月份的Steam硬件调查结果已经公布，这次登顶最受欢迎显卡的是一匹黑马——RTX3060凭借10.67%的占有率登上榜首，份额大涨7%，比第二名的RTX2060还要高2.6个百分点。其他霸榜过的显卡份额暴跌，GTX1650从上个月的榜首跌至五名开外，占有率仅为4.04%。长期霸占第一的GTX1060现在还有7.85%的占有率，这倒是不让人意外。让A饭难以接受的是AMD显卡份额暴跌，不仅单卡干不过RTX3060/2060/1060等，整体份额也从2月份的14.9%减少到了10.8%。虽然大家都知道当前的显卡市场上NVIDIA无比强势，抢AMD份额不让人意外，但是Steam统计的份额中，A卡过去
3月份的Steam硬件调查结果已经公布，这次登顶最受欢迎显卡的是一匹黑马——RTX3060凭借10.67%的占有率登上榜首，份额大涨7%，比第二名的RTX2060还要高2.6个百分点。其他霸榜过的显卡份额暴跌，GTX1650从上个月的榜首跌至五名开外，占有率仅为4.04%。长期霸占第一的GTX1060现在还有7.85%的占有率，这倒是不让人意外。让A饭难以接受的是AMD显卡份额暴跌，不仅单卡干不过RTX3060/2060/1060等，整体份额也从2月份的14.9%减少到了10.8%。虽然大家都知道当前的显卡市场上NVIDIA无比强势，抢AMD份额不让人意外，但是Steam统计的份额中，A卡过去
Maskrcnn代码实现_pytorch版由于科研需求，要做一个图像分割的项目，于是开始着手跑一下maskrcnn。本以为很简单的事情，网上代码比较多，结果尝试了一下，遇到了各种问题。主要是由于网上的代码大多是基于tensorflow1.x的，我的显卡是RTX3080，而30系列显卡的CUDA版本要求是11.x，不能在tensorflow1.x上运行。尝试用tensorflow2.x代替tensorflow1.x，改一下bug，结果不一样的地方实在太多，还不好改，于是脱坑，找到了pytorch版本的maskrcnn代码，30系列显卡也可以愉快的图像分割了。1.本文所用的代码是mmtetecti
Maskrcnn代码实现_pytorch版由于科研需求，要做一个图像分割的项目，于是开始着手跑一下maskrcnn。本以为很简单的事情，网上代码比较多，结果尝试了一下，遇到了各种问题。主要是由于网上的代码大多是基于tensorflow1.x的，我的显卡是RTX3080，而30系列显卡的CUDA版本要求是11.x，不能在tensorflow1.x上运行。尝试用tensorflow2.x代替tensorflow1.x，改一下bug，结果不一样的地方实在太多，还不好改，于是脱坑，找到了pytorch版本的maskrcnn代码，30系列显卡也可以愉快的图像分割了。1.本文所用的代码是mmtetecti
前言：以下方法，不需要重装驱动，简单快捷。适用于Ubuntu系统下，之前已经安装过驱动，但驱动失效的问题。如果此方法仍然无法解决问题，可参考Ubuntu下安装nvidia显卡驱动，重装驱动。前段时间刚装了驱动：Ubuntu下安装nvidia显卡驱动但是最近准备用GPU跑模型时，提示cuda不存在。前段时间刚装的驱动，怎么会不存在呢？第一步，打开终端，先用nvidia-smi查看一下，发现如下报错：NVIDIA-SMIhasfailedbecauseitcouldn'tcommunicatewiththeNVIDIAdriver.MakesurethatthelatestNVIDIAdriver
前言：以下方法，不需要重装驱动，简单快捷。适用于Ubuntu系统下，之前已经安装过驱动，但驱动失效的问题。如果此方法仍然无法解决问题，可参考Ubuntu下安装nvidia显卡驱动，重装驱动。前段时间刚装了驱动：Ubuntu下安装nvidia显卡驱动但是最近准备用GPU跑模型时，提示cuda不存在。前段时间刚装的驱动，怎么会不存在呢？第一步，打开终端，先用nvidia-smi查看一下，发现如下报错：NVIDIA-SMIhasfailedbecauseitcouldn'tcommunicatewiththeNVIDIAdriver.MakesurethatthelatestNVIDIAdriver
说明：1、电脑显卡： AMD显卡: 2、电脑系统：Windows11 3、Python版本：3.9一、安装anaconda登录anaconda的官网下载Anaconda|TheWorld'sMostPopularDataSciencePlatformAnacondaisthebirthplaceofPythondatascience.Weareamovementofdatascientists,data-drivenenterprises,andopensourcecommunities.https://www.anaconda.com/注意：上图下载anacon
