在英伟达的GPU芯片中，有一种名为CUDA的架构，紧张卖力处理器的并走运算，后来又衍生出了cuDNN架构，据深度学习的开拓者反馈，这种架构在开拓起来比较好使，目前环球大部分深度学习框架都对 cuDNN 支持的比较好。

众所周知，英伟达是显卡界的老大，英伟达的GPU芯片在环球市场的霸占率在一半以上，无论是人工智能、自动驾驶，乃至搞电竞、区块链都绕不开英伟达的阴影。
我们该当怎么挑选显卡呢？

和深度学习干系的紧张 GPU 性能指标如下：内存带宽：GPU 处理大量数据的能力，是最主要的性能指标。
处理能力：表示 GPU 处理数据的速率，我们将其量化为 CUDA 核心数量和每一个核心的频率的乘积。
显存大小：一次性加载到显卡上的数据量。
运行打算机视觉模型时，显存越大越好，特殊是如果你想参加 CV Kaggle 竞赛的话。
对付自然措辞处理和数据分类，显存没有那么主要。
你的 GPU 还须要以下这些硬件才能正常运行：硬盘：首先须要从硬盘读取数据，我推举利用固态硬盘，但机器硬盘也可以。
CPU：深度学习任务有时须要用 CPU 解码数据（例如，jpeg 图片）。
幸运的是，任何中端当代处理器都能做得不错。
主板：数据须要通过主板传输到 GPU 上。
单显卡可以利用险些任何芯片组都可以利用。
RAM：一样平常推举内存的大小至少和显存一样大，但有更多的内存确实在某些场景是非常有帮助的，例如我们希望将全体数据集保存在内存中。
电源：一样平常来说我们须要为 CPU 和 GPU 供应足够的电源，至少须要超过额定功率 100 瓦。
那么多种类的显卡，该当怎么挑呢？

对付初学者来说，选择性价比最高的显卡肯定是紧张的

显卡性能比拟图

我们从上图可以看出性能最好的便是Titan XP，Titan XP 是目前英伟达消费级显卡的旗舰产品，正如性能指标所述，12GB 的内存宣示着它并不是为大多数人准备的，一块 Titan XP 的价格可以让你买到两块 GTX 1080，而那意味着强大的算力和 16GB 的显存。

抛开Titan XP显卡，在1080ti ,1080,1070ti,1060之间进行对付，1080显卡的性能要轻微高于其他三种显卡

作为目前英伟达产品线里的中高端显卡，GTX 1080 的官方价格已经下调。
8 GB 的内存对付打算机视觉任务来说够用了。
大多数 Kaggle 上的人都在利用这款显卡。

磐镭GTX1080显卡

磐镭1080显卡

参数：显存（VRAM）：8 GB内存带宽：320 GB/s处理器：2560 个 CUDA 核心 @ 1733 MHz（约 4.44 亿 CUDA 核心频率）年货节价格：2698元一句话推举

如果你不设定自己的预算，装置电脑就成了一件困难的事。
在这里，我将给出不同预算区间下 GPU 的最佳选择。

4000-6000 元区间：首推 磐镭GTX 1080 Ti。

2600-4000 元区间：可选磐镭 GTX 1080 或磐镭 GTX 1070 Ti。

2000-2600 元区间：磐镭GTX 1070 入门深度学习的效果比1060更好

2000 元以下：在这个区间内，磐镭GTX 1050 显卡和磐镭GTX 1060，磐镭GTX 1060 可以让你入门深度学习