gtx1650支持深度学习吗?

发布网友 发布时间：2022-04-23 18:47

我来回答

共5个回答

热心网友 时间：2023-10-13 14:32

支持。

GTX 1650基于图灵架构的小核心12nm TU117，桌面896个流处理器，笔记本1024个流处理器，搭配128-bit 4GB GDDR5显存，功耗在桌面上60-80W，笔记本上35-50W。

除了继续精简流处理器和显存，并且不支持光线追踪、DLSS深度学习抗锯齿(至少目前没有说会开放)，GTX 1650其实还偷偷地在多媒体编码上缩了水。

GTX1650特点：

1、GTX1650的TDP其实仅为75W，散热器的规格比GTX 1660 GAMINGX要低，可能GTX1650并不会太热，毕竟标准 TDP 是75W，只有1根热导管，以S字样穿插前后散热片以及中间GPU接触面。

2、GAMING X 系列的外观都差不多，GTX 1650 上面也是采用2颗8.5公分双风扇。TORX Fan 3.0 双滚珠轴承风扇，叶片上有特殊的弧形以及龙鳍造型。底部可以看到一根热导管，另外散热器长度是超过PCB一些。

热心网友 时间：2023-10-13 14:33

支持。

GTX 1650基于图灵架构的小核心12nm TU117，桌面896个流处理器，笔记本1024个流处理器，搭配128-bit 4GB GDDR5显存，功耗在桌面上60-80W，笔记本上35-50W。

除了继续精简流处理器和显存，并且不支持光线追踪、DLSS深度学习抗锯齿(至少目前没有说会开放)，GTX 1650其实还偷偷地在多媒体编码上缩了水。

扩展资料

卷积运算受计算速度的约束比较大。因此，要衡量GPU运行ResNets等卷积架构的性能，最佳指标就是FLOPs。张量核心可以明显增加FLOPs。Transformer中用到的大型矩阵乘法介于卷积运算和RNN的小型矩阵乘法之间，16位存储、张量核心和TFLOPs都对大型矩阵乘法有好处，但它仍需要较大的显存带宽。

需要特别注意，如果想借助张量核心的优势，一定要用16位的数据和权重，避免使用RTX显卡进行32位运算！GPU和TPU的标准性能数据，值越高代表性能越好。RTX系列假定用了16位计算，Word RNN数值是指长度<100的段序列的biLSTM性能。

热心网友 时间：2023-10-13 14:33

支持。

GTX 1650同样是基于12nm工艺生产，CUDA流处理器数目为896个，GTX 1660比GTX 1650多了有57％，两者的流处理器数量差距还是比较巨大的，所以很可能中间还要有一个GTX 1650 Ti之类的显卡来填补这个空位。

显存方面自然还是用的GDDR5，容量4GB也没什么说的了，50定位的显卡给4GB显存也很合理，显存频率是8004MHz，比之前的GTX 1050双子要高1000MHz，所以显存带宽提高，对性能提升也有一定帮助。纹理单元、Rops之类的就相应提升了一个档次。

扩展资料

公版核心频率为1486～1665MHz，相比上一代的GTX 1050／Ti要高出不少，而且这个数字其实不重要，最重要的是最终的BOOST频率，图灵架构的它理论上也是能加速到很高的。

显卡的TDP依然保持为75W，和GTX 1050 Ti保持一致，所以能看到这堆AIC的型号多是不需要外接供电的，少部分是单6Pin即可。

根据它的流处理器和频率来推测，以及考虑图灵架构相比帕斯卡的效率提升，预估性能会比GTX 1050 Ti强20％，顶天了其实25％就差不多了．．．所以到现在为止，我对前面NV说的30％提升还是稍微存疑的（滑稽）。

热心网友 时间：2023-10-13 14:34

这里是支持cuda的显卡要求

支持CUDA的GeForce和TITAN产品

左边是台式，右边是笔记本

计算能力3.1以上的才行，没有出现再上面的就是不支持

热心网友 时间：2023-10-13 14:35