2. 程式人生 > >王權富貴：GPU配套的計算能力

王權富貴：GPU配套的計算能力

阿新 • • 發佈：2018-11-28

 CUDA-Enabled Tesla Products

Tesla Workstation Products

GPU

Compute Capability

Tesla K80

3.7

Tesla K40

3.5

Tesla K20

3.5

Tesla C2075

2.0

Tesla C2050/C2070

2.0

Tesla Data Center Products

GPU

Compute Capability

Tesla V100

7.0

Tesla P100

6.0

Tesla P40

6.1

Tesla P4

6.1

Tesla M60

5.2

Tesla M40

5.2

Tesla K80

3.7

Tesla K40

3.5

Tesla K20

3.5

Tesla K10

3.0

 

 

 

 CUDA-Enabled Quadro Products

Quadro Desktop Products

GPU

Compute Capability

Quadro GP100

6.0

Quadro P6000

6.1

Quadro P5000

6.1

Quadro P4000

6.1

Quadro P2000

6.1

Quadro P1000

6.1

Quadro P600

6.1

Quadro P400

6.1

Quadro M6000 24GB

5.2

Quadro M6000

5.2
   

Quadro K6000

3.5

Quadro M5000

5.2

Quadro K5200

3.5

Quadro K5000

3.0

Quadro M4000

5.2

Quadro K4200

3.0

Quadro K4000

3.0

Quadro M2000

5.2

Quadro K2200

3.0

Quadro K2000

3.0

Quadro K2000D

3.0

Quadro K1200

5.0

Quadro K620

5.0

Quadro K600

3.0

Quadro K420

3.0

Quadro 410

3.0

Quadro Plex 7000

2.0

Quadro Mobile Products

GPU

Compute Capability

Quadro P5000

6.1

Quadro P4000

6.1

Quadro P3000

6.1

Quadro M5500M

5.2

Quadro M2200

5.2

Quadro M1200

5.0

Quadro M620

5.2

Quadro M520

5.0

Quadro K6000M

3.0

Quadro K5200M

3.0

Quadro K5100M

3.0

Quadro M5000M

5.0
   

Quadro K500M

3.0

Quadro K4200M

3.0

Quadro K4100M

3.0

Quadro M4000M

5.0

Quadro K3100M

3.0
   

Quadro M3000M

5.0

Quadro K2200M

3.0

Quadro K2100M

3.0

Quadro M2000M

5.0

Quadro K1100M

3.0

Quadro M1000M

5.0

Quadro K620M

5.0

Quadro K610M

3.5

Quadro M600M

5.0

Quadro K510M

3.5

Quadro M500M

5.0

 

 

 

CUDA-Enabled NVS Products

Desktop Products

GPU

Compute Capability

NVIDIA NVS 810

5.0

NVIDIA NVS 510

3.0

NVIDIA NVS 315

2.1

NVIDIA NVS 310

2.1

Mobile Products

GPU

Compute Capability

NVS 5400M

2.1

NVS 5200M

2.1

NVS 4200M

2.1

CUDA-Enabled GeForce Products

GeForce Desktop Products

GPU

Compute Capability

NVIDIA TITAN V

7.0

NVIDIA TITAN Xp

6.1

NVIDIA TITAN X

6.1

GeForce GTX 1080 Ti

6.1

GeForce GTX 1080

6.1

GeForce GTX 1070

6.1

GeForce GTX 1060

6.1

GeForce GTX 1050

6.1

GeForce GTX TITAN X

5.2

GeForce GTX TITAN Z

3.5

GeForce GTX TITAN Black

3.5

GeForce GTX TITAN

3.5

GeForce GTX 980 Ti

5.2

GeForce GTX 980

5.2

GeForce GTX 970

5.2

GeForce GTX 960

5.2

GeForce GTX 950

5.2

GeForce GTX 780 Ti

3.5

GeForce GTX 780

3.5

GeForce GTX 770

3.0

GeForce GTX 760

3.0

GeForce GTX 750 Ti

5.0

GeForce GTX 750

5.0

GeForce GTX 690

3.0

GeForce GTX 680

3.0

GeForce GTX 670

3.0

GeForce GTX 660 Ti

3.0

GeForce GTX 660

3.0

GeForce GTX 650 Ti BOOST

3.0

GeForce GTX 650 Ti

3.0

GeForce GTX 650

3.0

GeForce GTX 560 Ti

2.1

GeForce GTX 550 Ti

2.1

GeForce GTX 460

2.1

GeForce GTS 450

2.1

GeForce GTS 450*

2.1

GeForce GTX 590

2.0

GeForce GTX 580

2.0

GeForce GTX 570

2.0

GeForce GTX 480

2.0

GeForce GTX 470

2.0

GeForce GTX 465

2.0

GeForce GT 740

3.0

GeForce GT 730

3.5

GeForce GT 730 DDR3,128bit

2.1

GeForce GT 720

3.5

GeForce GT 705*

3.5

GeForce GT 640 (GDDR5)

3.5

GeForce GT 640 (GDDR3)

2.1

GeForce GT 630

2.1

GeForce GT 620

2.1

GeForce GT 610

2.1

GeForce GT 520

2.1

GeForce GT 440

2.1

GeForce GT 440*

2.1

GeForce GT 430

2.1

GeForce GT 430*

2.1

GeForce Notebook Products

GPU

Compute Capability

GeForce GTX 1080

6.1

GeForce GTX 1070

6.1

GeForce GTX 1060

6.1

GeForce GTX 980

5.2

GeForce GTX 980M

5.2

GeForce GTX 970M

5.2

GeForce GTX 965M

5.2

GeForce GTX 960M

5.0

GeForce GTX 950M

5.0

GeForce 940M

5.0

GeForce 930M

5.0

GeForce 920M

3.5

GeForce 910M

5.2

GeForce GTX 880M

3.0

GeForce GTX 870M

3.0

GeForce GTX 860M

3.0/5.0(**)

GeForce GTX 850M

5.0

GeForce 840M

5.0

GeForce 830M

5.0

GeForce 820M

2.1

GeForce 800M

2.1

GeForce GTX 780M

3.0

GeForce GTX 770M

3.0

GeForce GTX 765M

3.0

GeForce GTX 760M

3.0

GeForce GTX 680MX

3.0

GeForce GTX 680M

3.0

GeForce GTX 675MX

3.0

GeForce GTX 675M

2.1

GeForce GTX 670MX

3.0

GeForce GTX 670M

2.1

GeForce GTX 660M

3.0

GeForce GT 750M

3.0

GeForce GT 650M

3.0

GeForce GT 745M

3.0

GeForce GT 645M

3.0

GeForce GT 740M

3.0

GeForce GT 730M

3.0

GeForce GT 640M

3.0

GeForce GT 640M LE

3.0

GeForce GT 735M

3.0

GeForce GT 635M

2.1

GeForce GT 730M

3.0

GeForce GT 630M

2.1

GeForce GT 625M

2.1

GeForce GT 720M

2.1

GeForce GT 620M

2.1

GeForce 710M

2.1

GeForce 705M

2.1

GeForce 610M

2.1

GeForce GTX 580M

2.1

GeForce GTX 570M

2.1

GeForce GTX 560M

2.1

GeForce GT 555M

2.1

GeForce GT 550M

2.1

GeForce GT 540M

2.1

GeForce GT 525M

2.1

GeForce GT 520MX

2.1

GeForce GT 520M

2.1

GeForce GTX 485M

2.1

GeForce GTX 470M

2.1

GeForce GTX 460M

2.1

GeForce GT 445M

2.1

GeForce GT 435M

相關推薦

王權富貴：GPU配套的計算能力

 CUDA-Enabled Tesla Products Tesla Workstation Products GPU Compute Capability Tesla K80 3.7

王權富貴：SyntaxError: Non-ASCII character '\xe4' in file C:/.....on line 5, but no encoding declared; se

原因： 在編寫Python時，當使用中文輸出或註釋時，執行指令碼會提示錯誤資訊： SyntaxError: Non-ASCII character '\xe5' in file ******* 解決方法： python的預設編碼檔案是用的ASCII碼，你將檔案存成了UTF-8，

王權富貴：安裝OpenCV匯入的時候出現DLL load failed：找不到指定模組 or %1不是有效的32位程式

問題：   網上找了好多方法 （1）版本不匹配（失敗） （2）安裝microsoft Visual C++ distributed 2015 X64（失敗） （3）升級window10（沒有嘗試） （3）複製什麼什麼檔案到什麼什麼目錄下（失敗） （4）ht

王權富貴：Faster-Rcnn詳解

背景 這一切始於 2014 年的一篇論文「Rich feature hierarchies for accurate object detection and semantic segmentation」(R-CNN)，其使用了稱為 Selective Search 的演算法用來提取感興趣候選區

王權富貴：RCNN的成長曆程

暴力目標檢測                       &n

王權富貴：VOC2007資料集格式詳解和下載

VOC2012和VOC2007的下載地址： https://pjreddie.com/projects/pascal-voc-dataset-mirror/   ​​​​​​​ Annotations資料夾  該檔案下存放的是

王權富貴：讀取指定目錄下的所有檔名（不保持字尾）文字處理

import os import os.path as osp rootdir = "C:\YSRVOC\VOCdevkit\VOC2007\JPEGImages" file_object = open('C:\YSRVOC\VOCdevkit\VOC2007\ImageSets\Main/tr

王權富貴：強化學習Q-learning

參考文章：（感謝辛勤翻譯的小哥哥小姐姐誒） 作者: peghoty  出處: http://blog.csdn.net/peghoty/article/details/9361915 本文是對 http://mnemstudio.org/path-fin

王權富貴：faster_rcnn在Linux伺服器上（無介面）編譯

環境： CPU: I7 GPU: GTX1070        計算能力: 6.1      裝置ID: 0 參考： https://blog.csdn.net/hitzijiyingcai/article/det

(Matlab)GPU計算及CPU計算能力的比較

new start atl border ble 大小 uri win courier %%首先以200*200的矩陣做加減乘除 做比較 t = zeros(1,100); A = rand(200,200);B = rand(200,200);C = rand(200,

王權富貴基礎篇：用numpy做最簡單的單層感知器

上面就是最簡單的單層感知器，由多個輸入，一個輸出。 這個是一個完整的流程，做到右是正向傳播，右到左是更新權值。 雖然現在有TF,CAFF可以一句話寫出下面這些，不過對於努力提高的同學來說，用基礎程式碼實現基礎功能還是很有意義的。   現在開始用numpy搭建網路

王權富貴論文篇：Faster R-CNN論文翻譯——中英文對照

文章作者：Tyan  感謝Tyan作者大大，相見恨晚，大家可以看原汁原味的Tyan部落格哦。 部落格：noahsnail.com  |  CSDN  |  簡書 宣告：作者翻譯論文僅為學習，如有侵權請聯

王權富貴書評：《TensorFlow實戰Google深度學習框架第二版》(鄭澤宇 樑博文 顧思宇 著)

一本介紹TensorFlow的書，比較基礎，但是還是寫的不好。這本是我TensorFlow的啟蒙書，我硬著頭皮看完的，目前還沒發現比這本書好的。 推薦指數：**                   

王權富貴書評：《21個專案玩轉深度學習基於TensorFlow的實踐詳解》（何之源著）

這本書只有例子。例子還屬於那種不完整的。 推薦：-*                                  &nb

王權富貴書評：《Python神經網路程式設計》(Tariq Rashid 著)一書

感覺很基礎，主要還是概念的理解，梯度反向傳遞講的特別好，很容易理解梯度消失是什麼意思。 推薦：**                            &

王權富貴軟體：設定雙擊直接開啟Jupyter Notebook的檔案（*.ipynb）

參考文章： http://www.bubuko.com/infodetail-2212722.html   本文環境：win10(64)+anaconda3(64) 我用win7+anaconda3（64）也可以使用 anaconda3安裝好後，可在開始選單下檢視

王權富貴軟體：安裝Python的方法

參考文章： https://zhuanlan.zhihu.com/p/32304554 特別感謝刀客特鹿大大，其實我也還沒有試，因為我手動裝好了Python，看到這篇的時候才發現真的簡單，留著紀念等重灌的時候試一試。 開啟Python的優雅姿勢——手把手教零基礎的你安裝python（An

王權富貴出錯集：Python指令碼開頭兩行的：#!/usr/bin/env python和# -*- coding: utf-8 -*-的作用

1.#!/usr/bin/env python 是用來說明指令碼語言是 python 的 是要用 /usr/bin下面的程式（工具）python，這個直譯器，來解釋 python 指令碼，來執行 python 指令碼的。     2、# -*- coding:

NVIDIA 不同顯示卡對應的GPU計算能力

Fermi (CUDA 3.2 until CUDA 8) (deprecated from CUDA 9): SM20 or SM_20, compute_30 – Older cards such as GeForce 400, 500, 6

程式語言的本質：1.程式語言的計算能力

程式語言的本質到底是什麼？”——昨天晚上給自己提了這麼個問題 如果要我來解釋，自然語言的本質到底要從哪幾方面入手，我可能能說出這麼一些來：拼寫學Orthography、音系學Phonology、語音學Phonetics、詞法學Morphology、句法