支持cuda的显卡型号(支持cuda的显卡型号列表)

支持cuda11的显卡

俗话说工欲善其事，必先利其器，在我们进行深度学习的实践之前，先动手把开发环境搭建起来。

本节的目标就是安装好CUDA和Anaconda。

CUDA（ComputeUnifiedDeviceArchitecture）是一个并行计算架构，由英伟达（NVIDIA）开发，可在其显卡上执行计算任务；可以通过将复杂的计算任务分配到多个处理器上进行并行处理来提高计算速度；主要用于科学计算、人工智能和游戏开发等领域。

CUDA需要使用特定的硬件和软件才能使用。首先，你需要拥有支持CUDA的显卡，通常是英伟达的GeForce或Quadro系列显卡，AMD的不行，装不了CUDA

这里注意:不要随意下载版本安装，我们要根据电脑显卡驱动的版本.安装对应支持的CUDA版本，否则会有不兼容的情况。

查看电脑显卡型号是否支持CUDA的安装(https://developer.nvidia.com/zh-cn/cuda-gpus)

上一步中确认电脑显卡型号支持CUDA的安装，这一步需要查看自己电脑的显卡驱动版本。具体查看方法如下：

在电脑桌面单击鼠标右键，然后选择【NVIDIA控制面板】，在面板里点击【系统信息】查看，就能看到驱动程序版本信息了。

截图中可以看到我的显卡驱动版本是472.12

上一步中，查看了自己电脑的显卡驱动版本。在这一步，我们将根据显卡驱动的版本到英伟达CUDA版本信息中查看(https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html),找到最高支持的CUDA版本。

由于我的驱动版本是472.12,所以我最高能安装的CUDA版本就是11.4.0

知道了支持的最高CUDA版本，接下来，打开CUDA下载地址,下载对应版本的CUDA(https://developer.nvidia.com/cuda-toolkit-archive).

我这里下载CUDAToolkit11.4.0

点击链接，进入到下载页面，选择对应的选项后，点击Download进行下载。

下载完成后，双击下载的exe文件进行安装，一路下一步，无脑安装。

默认安装在C:ProgramFilesNVIDIAGPUComputingToolkitCUDA，当然如果你想自定义的话要记住你选择的安装路径。到此CUDA安装就完成了。

如果显卡驱动版本过低，你也可以到英伟达官网的驱动下载页面(https://www.nvidia.com/download/index.aspx?lang=en-us)检查自己电脑的显卡驱动是否可以更新。

我们打开cmd在命令行中输入nvcc-V然后回车成功的话就会返回CUDA的版本号了.

Anaconda是一个用于科学计算、数据分析和机器学习的Python发行版。它包含了许多常用的科学计算、数据分析和机器学习库，如NumPy、Pandas、Matplotlib、SciPy、Scikit-learn等，可以通过一个简单的包管理器（conda）安装和管理。

Anaconda的主要优点是它可以帮助你节省大量的安装和配置时间，并且还可以方便地创建和管理多个独立的Python环境，使你可以使用不同版本的Python库和工具。同时还提供了许多用于数据分析和机器学习的工具，如JupyterNotebook、Spyder等。

打开官方网站地址(https://www.anaconda.com/products/distribution)，选择对应的系统，进行下载。

我这里以windows电脑为例，下载完成后，双击exe文件即可安装，一路下一步。

安装位置这里，默认是安装到c盘，因为Anaconda中的库占挺大空间的，这里我改了安装的位置。如果你要更改的话，注意位置的路径中不要包含空格或者中文，否则后面使用中会遇到麻烦

如果你的网络不好，很可能会遇到官网访问太慢的问题，可以使用清华镜像网站(https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/),这个速度很快

找到对应的系统版本进行下载即可。

安装的过程会花费一些时间，等到进度条跑到头，说明安装完毕。

安装完成后，我们来手动配置一下环境变量：找到桌面的电脑图标->右键选择属性，然后选择高级系统设置；

在弹出的菜单中选择高级->环境变量

在系统变量中找到Path, 双击在弹出的对话框中选择新建,将anaconda的安装路径以及anaconda目录下的Scripts路径都添加到path环境目录中.注意：要依次点击确定将对话框都关闭环境变量才会生效.

上面的操作都没有问题的话，接下来，检查Anaconda是否安装成功。

打开cmd命令行窗口，输入：conda-V 查看conda的版本信息

输入：conda envlist 查看我们的虚拟环境

如果都没有问题，说明我们上一步的环境变量配置成功。

因为conda默认使用的是国外的下载地址，常常导致下载一些包的时候非常慢。所以我们来更换一下anaconda的安装包下载源。

打开Anaconda镜像使用帮助网址(https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/)，按照下面操作进行：

这里注意：如果在后面下载包的时候仍然失败的话，将https换成http即可。

到此开发环境就已经搭建完成，下一节来讲解conda的实用命令。

显卡支持的cuda版本能提高吗

在显卡设置中，CUDA是NVIDIA显卡的并行计算平台和编程模型。它允许开发人员利用GPU的并行处理能力来加速计算任务，如科学模拟、金融建模、图像处理等。

CUDA是一种由NVIDIA推出的通用并行计算架构，它使GPU能够解决复杂的计算问题。它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。开发人员可以使用C语言来为CUDA架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序可以在支持CUDA的处理器上以超高性能运行。此外，CUDA3.0已经开始支持C++和FORTRAN。

在显卡设置中，CUDA可以用于调整GPU的计算性能，以满足不同的需求。例如，可以通过调整CUDA核心的数量、内存大小等参数来优化GPU的计算能力。

总之，CUDA是一种强大的显卡计算平台和编程模型，它可以帮助开发人员利用GPU的并行处理能力来加速各种计算任务。

支持cuda9.0的显卡

由于兼容性问题，使得要用较新版本的PyTorch，通过GPU训练模型，也得更换较新版本的CUDA工具包。然而CUDA的版本又与电脑显卡的驱动程序版本关联，如果是低版本显卡驱动程序安装CUDA11及以上肯定会失败。比如GTX750Ti或GTX1050Ti，出厂的驱动程序版本在450以下，也就能装CUDA9和CUDA10之类的版本。

那么，有什么方法用前面这两种显卡安装CUDA11以上的版本呢？下面就通过更新显卡驱动程序来完成这一任务（省钱），当然要玩AI炼丹，条件允许的话，30系列以上显卡更好，显存大算力强，在练习中可以节省不少时间，不过下面的操作就当是入AI的试水吧。

点击“系统信息”，其中“显示”下的“项目”就是显卡型号，“细节”里主要查看“驱动程序版本”和“驱动器类型”，后面要根据显卡型号和驱动器类型下载新版本的驱动程序。也可以在“组件”的“3D设置”下查看“NVCUDA64.DLL”，这就是当前驱动支持的CUDA最大版本。

这个英伟达显卡在Windows下的一个监控工具，通过cmd可以不仅可以查看当前显卡的基本信息，也能查看GPU实时的运行情况。通过cmd输入“nvidia-smi”查看最新信息，"nvidia-smi-l2"查看实时信息(2就是2秒刷新一次)，工具的参数上面图片有简单标注。

如果cmd输入后找不到该命令，需要把“C:ProgramFilesNVIDIACorporationNVSMI”(监控工具默认位置)添加到"path"的环境变量中。

显卡驱动下载

可以进入英伟达网站www.nvidia.com/Download/Find.aspx?lang=en-us，选择显卡型号，特别注意"WindowsDriverType"，这个就是上面查看的“驱动器类型”。一般以前出厂windows10电脑都是Standard，切记一定要根据驱动器类型下载，不然后面安装显卡驱动会报以下错误。

从上面GTX750Ti的标准类型搜索结果看，最新的版本是472.12，而DCH有500以上的更新的版本。如果一定要用相当新的版本，官网也提供了将标准驱动类型修改为DCH的，但win系统版本有一个限制，具体可以在网上查找这里看以后再更新说明。不过呢472的驱动程序版本其实完全够用，可以搭配最大支持CUDA11.0到CUDA12.0之间的版本，也就意味着我们可以用1.10上下的pytorch的cu版本，现在最新也才2点几，像之前火热的AI绘画"stablediffusion"和AI音色克隆“so-vits-svc”就可以搭起来跑了。

CUDA下载

已经更新完显卡驱动程序后，再重复前面查看版本号方式。看到驱动程序版本号和最大支持CUDA版本，记录下来。然后进入官网的CUDAReleaseNotes，也可以查看到驱动程序版本与各种CUDA版本的对应关系。

上面的“CUDAToolkit”下CUDA11.4有五个版本，其中带Update的是正式版发布后的迭代版本，依次是11.4.1一直到11.4.4，最右边就是WIN的最低驱动程序版本。根据我们查询的472.12，当然Updae4也可以，最好按他们要求选11.4.2或以下。然后进入英伟达开发者网developer.nvidia.com/cuda-toolkit-archive，选择后下载，以及CUDNN也要下载再依次安装。（这个在前面文章有介绍此处就略过了）

前面把CUDA和CUDNN安装配置好之后，环境变量会自动添加，然后通过cmd输入“nvcc-V”查看到CUDA的版本表示安装无误，接着就是去download.pytorch.org/whl/torch_stable.html查看CUDA与pytorch对应版本了，也可以直接下载whl。cu表CUDA版本，cpu表CPU版本，由于没有11.4的我们可以选择cu113的搜索，然后挑选系统版本，Python版本。

后面如果需要torchaudio、torchtext等库，也一定要找相对应版本的，不然不是无法用gpu运行就是版本不兼容，pip自动把torch调高或调低，甚至直接改成cpu版，而有时候就只是一个小版本都不支持，这一点很恼火。

GPU运行

驱动、工具包、依赖库等一切准备好后，在项目运行前，可以通过以下代码检测一下gpu是否可用。其实这里想说一下，我感觉是在小模型训练时，GPU加速并没有比CPU快多少，但是有一个好处。如果是用CPU做训练，跑起来后配置一般的电脑可能就动不了。而如果丢给GPU，负载就给到他了，我可以再继续调其他代码或放放音乐啥，只要不玩游戏或做什么3D预览渲染啥的。

支持cuda的显卡型号列表

作为早期的游戏主流显卡型号之一，NVIDIA的9600GT显卡以其出色的性价比和稳定性能在市场上大热。下面我们就来详细了解一下9600GT显卡的参数。

芯片核心：

9600GT采用G94原厂核心，并且该芯片核心支持DirectX10、CUDA等先进技术，提供极佳的3D性能，可用于高质量图像渲染、视频处理等需求。

显存容量：

9600GT显卡的显存容量有512MB和1GB两种选择，前者适用于普通办公和娱乐使用，而后者则可满足高清游戏和高质量渲染需求。

显存位宽：

显存位宽与显存容量的搭配影响显卡性能，9600GT显卡普遍采用256位宽的显存设计，可实现更快的数据读取和传输效率。

显存类型：

9600GT显卡支持GDDR3显存类型，该类型内存拥有更高的带宽和读写速度，同时也有更好的节能效果。

功耗与散热：

9600GT显卡功耗比较高，大约在95W-125W之间，需要配合400W以上的电源使用。而用于散热的风扇往往也相对呈现较大的体积，以保证显卡在高负荷运行中不会过热。

接口类型：

9600GT显卡主要采用PCI-E接口类型，与当今市场上绝大多数主板兼容。

输出接口：

9600GT显卡输出接口支持VGA、DVI、HDMI等多样化选择，同时也支持双屏幕或多屏幕的连接方案，提供更丰富的焕发多媒体潜能。

性能评测：

在实际的性能评测中，9600GT显卡表现稳定可靠，支持许多目前流行的游戏和3D渲染工具。同时，其低延迟、快速响应和多媒体处理能力也得到了大众的认可。

结语：

总体来讲，9600GT显卡在性能和功能方面都有着非常不错的表现，在当年市场上曾经引起不小的轰动。虽然现在它已经逐渐过时，但是她依然是一个颇具历史意义的显卡型号。

支持cuda10的显卡

geforce605是NVIDIA产品下的一款显卡，型号为NVIDIAGeForce605。geforce605是一款台式机显卡，制造工艺为28纳米。

参数如下：

显存位宽：32/64bit

CUDA核心：48个

纹理填充率：4.21亿/秒

显存频率：1794MHz

DirectX版本：11

显卡接口：PCIExpress2.0x16

显存带宽：7.18/14.4GB/s

总线：PCIExpressx16Gen2IRQ：16

输出接口：HDMI/DVI/VGA

最大功耗：25W

RAMDAC频率：400MHz

最大支持分辨率：DSP2560×1600/VGA2048×1536

扩展资料：

geforce605特性

1、支持Microsoft®DirectX®11

这款DirectX11GPU支持ShaderModel3.1，专为提供超高性能而设计，可满足曲面细分（Tessellation）GPU加速功能的需要，曲面细分是DirectX11这一全新API中的关键图形特性。

2、支持TrueHD和DTS-HD音频比特流

完全支持TrueHD与DTS-HD先进的无损多声道高清音频编解码器，让用户在自家客厅便能够欣赏到原版音像制品中丰富的声音。

3、支持HDMI和蓝光3D 

通过HDMI即可将英伟达精视台式机连接至任何支持3D功能的电视或PC显示器，以绝佳的1080p分辨率呈现更新的蓝光3D电影。

4、英伟达CUDA技术1

英伟达CUDA技术可释放GPU中众多处理核心的强大能力来加速照片编辑等更棘手的系统任务，与传统CPU相比，能够实现惊人的性能提升。

5、硬件视频解码加速2

该技术集高清视频解码加速与后期处理于一身，能够在播放电影和视频时实现流畅的视频、绝佳的画面清晰度、准确的颜色以及的图像缩放，同时还能够实现令人难以置信的功率效率。

6、支持PCIExpress2.0

本产品专为全新PCIExpress2.0总线架构设计，可为更需带宽支持的游戏与3D应用程序提供更快的数据传输速度，同

cuda支持哪些显卡

这个是专业软件，最好是使用专业显卡，普通显卡运算能力没有专业显卡好，所以推荐你用，丽台k620.2g专业显卡，1360块，对于你工作使用效果很好，

支持cuda的软件

GeForce台式机系列等GeForceGTX280TeslaS1070QuadroFX5600GeForceGTX260TeslaC1060QuadroFX4700X2GeForce9800GX2TeslaC870QuadroFX4600GeForce9800GTX+TeslaD870QuadroFX3700GeForce9800GTXTeslaS870QuadroFX1700GeForce9800GTQuadroFX570GeForce9600GSOQuadroFX370GeForce9600GTQuadroNVS290GeForce9500GTQuadroFX3600MGeForce8800UltraQuadroFX1600MGeForce8800GTXQuadroFX570MGeForce8800GTSQuadroFX360MGeForce8800GTQuadroPlex1000ModelIVGeForce8800GSQuadroPlex1000ModelS4GeForce8600GTSGeForce8600GTGeForce8500GTGeForce8400GSGeForce8300mGPUGeForce8200mGPUGeForce8100mGPUGeForce移动计算产品Quadro移动计算产品GeForce9800MGTXQuadroNVS320MGeForce9800MGTSQuadroNVS140MGeForce9800MGTQuadroNVS135MGeForce9700MGTSQuadroNVS130MGeForce9700MGTGeForce9650MGSGeForce9600MGTGeForce9600MGSGeForce9500MGSGeForce9500MGGeForce9300MGSGeForce9300MGGeForce9200MGSGeForce9100MGGeForce8800MGTSGeForce8700MGTGeForce8600MGTGeForce8600MGSGeForce8400MGTGeForce8400MGSGeForce8400MGGeForce8200MG