tensor算力
1. 21tops算力相當於什麼顯卡
英偉達的一個Jetson Xavier NX就是21tops算力。
11月7日，英偉達宣布推出全球尺寸最小的邊緣AI超級計算機Jetson Xavier NX，主要面向機器人和邊緣嵌入式計算設備。這款新品擁有比信用卡還小的外形，節能型Jetson Xavier NX模塊在運行AI工作負載時，可提供最高21 TOPS的伺服器級性能，售價399美元，即將在2020年3月開始出貨。英偉達推出更具競爭力的邊緣AI晶元產品，讓AI初創公司們面臨更大的競爭壓力。
英偉達邊緣AI晶元已經有四個系列
今天發布的Jetson Xavier NX最大的亮點在於，與Jetson Nano尺寸相同（70X45mm）的情況下，能夠在功耗10W的模式下提供最高14TOPS，在功耗15W模式下最高21 TOPS的性能。另外，Jetson Xavier NX能夠並行運行多個神經網路，也能同時處理來自多個高解析度感測器的數據。
Jetson Xavier NX模塊具體的規格如下：
GPU：配備384個 NVIDIA CUDA core和48 個Tensor core的 NVIDIA Volta，外加2個NVDLA
CPU：6-core Carmel Arm 64位CPU, 6MB L2 + 4MB L3
視頻：2x 4K30 編碼和2x 4K60解碼
攝像頭：最多6個 CSI攝像頭（通過虛擬通道最多36個），12路（3x4或6x2） MIPI CSI-2
內存：8GB 128位LPDDR4x；51.2GB/秒
連接：千兆乙太網
OS支持：基於Ubuntu的 Linux
模塊尺寸：70x45mm
Jetson Xavier NX面向的是對性能需求高，但受到尺寸、重量、功耗以及預算限制的嵌入式邊緣計算設備，比如小型商用機器人、無人機、智能高解析度感測器（用於工廠物流和生產線）、光學檢測、網路錄像機，攜帶型醫療設備以及其他工業物聯網（IoT）系統。
為了滿足這些場景，除了硬體外，軟體支持也非常重要。英偉達表示，對於已經開始打造嵌入式計算機的公司，Jetson Xavier NX與所有Jetson系列產品一樣都可以在相同的CUDA-X AI軟體架構上運行。同時，作為NVIDIA軟體架構方法的一部分，Jetson Xavier NX由NVIDIA JetPack SDK提供支持。
NVIDIA JetPack SDK是一個完整的AI軟體堆棧，可以運行復雜的AI網路，並用於深度學習的加速庫以及計算機視覺、計算機圖形、多媒體等。
Jetson Xavier NX的上一款產品是在今年3月的GTC發布，英偉達創始人兼 CEO 黃仁勛宣布推出售價僅99美元的Jetson Nano。根據官方的說法，藉助CUDA-X，Jetson Nano可以提供472 GFLOPS的AI性能，功率低至5W。這款售價不高，能夠運行所有AI模型的邊緣計算平台發布後獲得了極大的關注。
Jetson Nano的上一款產品在去年發布。去年九月的日本GTC，黃仁勛公布了AGX陣容，包括Drive Xavier和新推出的Drive Pegasus，還有Jetson AGX Xavier。Jetson AGX Xavier的大規模計算性能可以處理機器人至關重要的測距、定位、測繪、視覺和感知以及路徑規劃。
Jetson家族更早的產品Jetson TX2在2017年推出，提供兩種運行模態：一種是MAX Q，這種模態下能效比能達到最高，是TX1的2倍，功耗在7.5W以下；另一種是MAX P，性能可以做到最高，能效比同樣可以做到前一代的2倍，功耗則在15W以下。
雖然推出的時間不同，但他們都具有一個區別於其他邊緣SoC的特點，並行運行多個神經網路。
邊緣端實力增強，初創公司面臨更大生存壓力
英偉達在雲端AI晶元市場獲益頗豐，其中非常重要的原因就是擅長並行計算的GPU能夠在在數據中心的各種模型中訓練時體現出性能優勢。雖然憑借雲端AI晶元成為了眾多AI晶元初創公司想要超越的目標，但英偉達也有自己的困擾。首先，為AI優化和設計的高性能GPU價格昂貴，讓不少開發者望而卻步。
其次，隨著AI演算法的逐步成熟，雲端AI訓練晶元市場的增速將會放緩，英偉達想要保持業績的增長以及在AI市場的領導力，就需要向邊緣AI市場拓展，同時，用雲端加邊緣一體化的解決方案吸引更多客戶。
從面向終端和邊緣設備的Jetson系列晶元的布局來看，英偉達早已明白自己該怎麼做。如今，Jetson系列晶元算力從0.5TFlops到32TOPS，應用覆蓋小型嵌入式設備、智能汽車、工業設備等多種應用。今天高性能小尺寸Jetson Xavier NX發布，讓Jetson家族能夠提供性能和功耗更加多樣的邊緣晶元，這背後就是為了滿足AIoT市場多樣化的市場需求。
不過，更應該看到的是，英偉達如今不僅能夠提供雲端和終端AI晶元硬體，其成功背後還有強大的軟體生態的支撐。據雷鋒網了解，Jetson系列已經吸引了40萬的開發者，擁有了3000用戶。
這對於AI晶元的初創公司而言顯然不是一個好消息，由於雲端AI晶元更加依賴生態，晶元的設計難度也更大，所以大部分AI晶元的初創公司都選擇在邊緣端市場，並且大都主要提供AI加速器。AI晶元初創公司們希望憑借獨特的架構設計以及領先的性能指標的晶元獲得市場的認可。
然而，開發者在進行AI演算法遷移的時候往往需要使用AI晶元公司提供的編譯器等工具，這不僅會增加軟體開發者的使用門檻，還可能達不到預期的效果。因此，初創公司的AI晶元大部分都沒有得到非常有價值的應用。
這就意味著，AI晶元初創公司們在產品設完成並流片之後，如何找到合適的市場以及模式進行商業化變得非常關鍵，特別是在資本寒冬以及AI晶元進入落地戰的當下。
顯然，AI晶元初創公司們面臨著更加嚴峻的生存挑戰，一方面，無論是英偉達還是英特爾，他們在雲端和邊緣端都已經有競爭力很強的產品，在邊緣端，憑借軟體生態以及渠道的優勢，巨頭們的晶元更容易獲得客戶，甚至連擅長軟體的Google都推出了面向邊緣市場的Google Edge TPU。另一方面，AI晶元初創公司想要推出有競爭力的產品就必須不斷迭代和投入，這就需要資金的持續支持，但融資環境以及更加激烈的市場競爭又增加了融資的難度。
正如雷鋒網在今年3月份的文章中指出的，AI晶元的戰火已經蔓延至邊緣端，Jetson Xavier NX的推出不僅是英偉達邊緣端AI晶元布局的完善和實力的進一步增強，更是邊緣端晶元市場競爭更加激烈的標志。
AI晶元市場更加激烈的競爭有助於推動AI的向前發展，但對於實力較弱的AI晶元初創公司而言，隨著晶元巨頭們更有競爭力產品的推出，以及像英偉達這樣的公司更願意稱自己為系統公司，而非單純的晶元公司，這讓AI晶元初創公司面臨著更加嚴峻的生存挑戰。
2. 數據平台上的計算能力：哪些GPU更適合深度
NVIDIA GPU，AMD GPU還是Intel Xeon Phi?
用NVIDIA的標准庫很容易搭建起CUDA的深度學習庫，而AMD的OpenCL的標准庫沒這么強大。而且CUDA的GPU計算或通用GPU社區很大，而OpenCL的社區較小。從CUDA社區找到好的開源辦法和可靠的編程建議更方便。NVIDIA從深度學習的起步時就開始投入，回報頗豐。雖然別的公司現在也對深度學習投入資金和精力，但起步較晚，落後較多。如果在深度學習上採用NVIDIA-CUDA之外的其他軟硬體，會走彎路。
Intel的Xeon Phi上支持標准C代碼，而且要在Xeon Phi上加速，也很容易修改這些代碼。這個功能聽起來有意思。但實際上只支持很少一部分C代碼，並不實用。即使支持，執行起來也很慢。Tim曾用過500顆Xeon Phi的集群，遇到一個接一個的坑，比如Xeon Phi MKL和Python Numpy不兼容，所以沒法做單元測試。因為Intel Xeon Phi編譯器無法正確地對模板進行代碼精簡，比如對switch語句，很大一部分代碼需要重構。因為Xeon Phi編譯器不支持一些C++11功能，所以要修改程序的C介面。既麻煩，又花時間，讓人抓狂。執行也很慢。當tensor大小連續變化時，不知道是bug，還是線程調度影響了性能。舉個例子，如果全連接層（FC）或剔除層（Dropout）的大小不一樣，Xeon Phi比CPU慢。
預算內的最快GPU
用於深度學習的GPU的高速取決於什麼？是CUDA核？時鍾速度？還是RAM大小？這些都不是。影響深度學習性能的最重要的因素是顯存帶寬。GPU的顯存帶寬經過優化，而犧牲了訪問時間（延遲）。CPU恰恰相反，所用內存較小的計算速度快，比如幾個數的乘法（3*6*9）；所用內存較大的計算慢，比如矩陣乘法（A*B*C）。GPU憑借其顯存帶寬，擅長解決需要大內存的問題。
所以，購買快速GPU的時候，先看看帶寬。
3. 3070鎖算力和不鎖算力區別
如下：
1、在價格方面是不一樣的，未鎖算力的價格要比鎖算力的高。
2、鎖算力的顯卡在挖礦速度比不上未鎖算力的，這就是為什麼未鎖算力的價格要比鎖算力的高。
3、未鎖算力顯卡：任意挖礦，礦老闆最愛，二手價格都比鎖算力的高，並且無保修。鎖算力顯卡：挖礦效率低，所以適合玩家，正常保修，價格也便宜一些。
介紹
GeForce RTXTM3070 系列顯卡採用第 2 代 RTX 架構 – NVIDIA Ampere。該系列顯卡具有增強的 Ray Tracing Core 和 Tensor Core、新型流式多處理器和高速顯存，提供強勁的性能，助您在高性能要求的游戲中所向披靡。
RTX 3070有比肩RTX 2080Ti的性能，看齊RTX 2070的價格。
4. 英偉達發布史上最強計算平台，黃教主：自動駕駛不再擔心算力問題
原本應該在今年 3 月份於加州聖何塞舉辦的英偉達 GTC 2020 大會，因為全球性新冠病毒肺炎的爆發而不得不推遲舉行。
比原計劃晚了將近 2 個月，英偉達 GTC 2020 終於在 5 月 14 日回歸。
不過這一次開發者們沒辦法在線下集會，只能通過線上直播觀看「皮衣教主」黃仁勛的主題演講。老黃此次是在他矽谷的家中完成了這場別開生面的「Kitchen Keynote」。
雖然是廚房舉行，英偉達依然爆出「核彈」，發布了全新一代的 GPU 架構 Ampere（安培）。
在自動駕駛方向上，英偉達通過兩塊 Orin SoC 和兩塊基於安培架構的 GPU 組合，實現了前所未有的?2000 TOPS?算力的 Robotaxi 計算平台，整體功耗為?800W。
有業界觀點認為，實現 L2 自動駕駛需要的計算力小於 10 TOPS，L3 需要的計算力為 30 - 60 TOPS，L4 需要的計算力大於 100 TOPS，L5 需要的計算力至少為 1000 TOPS。
現在的英偉達自動駕駛計算平台已經建立起了從?10TOPS/5W，200TOPS/45W?到?2000 TOPS/800W?的完整產品線，分別對應前視模塊、L2+ADAS?以及?Robotaxi?的各級應用。
從產品線看，英偉達?Drive AGX?將全面對標 Mobileye?EyeQ?系列，希望成為量產供應鏈中的關鍵廠商。
1、全新 GPU 架構：Ampere（安培）
2 個月的等待是值得的，本次 GTC 上，黃仁勛重磅發布了英偉達全新一代 GPU 架構 Ampere（安培）以及基於這一架構的首款 GPU NVIDIA A100。
A100 在整體性能上相比於前代基於 Volta 架構的產品有 20 倍的提升，這顆 GPU 將主要用於數據分析、專業計算以及圖形處理。
在安培架構之前，英偉達已經研發了多代 GPU 架構，它們都是以科學發展史上的偉人來命名的。
比如 Tesla（特斯拉）、Fermi（費米）、Kepler（開普勒）、Maxwell（麥克斯維爾）、Pascal（帕斯卡）、Volta（伏特）以及 Turing（圖靈）。
這些核心架構的升級正是推動英偉達各類 GPU 產品整體性能提升的關鍵。
針對基於安培架構的首款 GPU A100，黃仁勛細數了它的五大核心特點：
集成了超過 540 億個晶體管，是全球規模最大的 7nm 處理器；引入第三代張量運算指令 Tensor Core 核心，這一代 Tensor Core 更加靈活、速度更快，同時更易於使用；採用了結構化稀疏加速技術，性能得以大幅提升；支持單一 A100 GPU 被分割為多達 7 塊獨立的 GPU，而且每一塊 GPU 都有自己的資源，為不同規模的工作提供不同的計算力；集成了第三代 NVLink 技術，使 GPU 之間高速連接速度翻倍，多顆 A100 可組成一個巨型 GPU，性能可擴展。
這些優勢累加起來，最終讓 A100 相較於前代基於 Volta 架構的 GPU 在訓練性能上提升了?6 倍，在推理性能上提升了?7 倍。
最重要的是，A100 現在就可以向用戶供貨，採用的是台積電的 7nm 工藝製程生產。
阿里雲、網路雲、騰訊雲這些國內企業正在計劃提供基於 A100 GPU 的服務。
2、Orin+安培架構 GPU：實現 2000TOPS 算力
隨著英偉達全新 GPU 架構安培的推出，英偉達的自動駕駛平台（NVIDIA Drive）也迎來了一次性能的飛躍。
大家知道，英偉達此前已經推出了多代 Drive AGX 自動駕駛平台以及 SoC，包括?Drive AGX Xavier、Drive AGX Pegasus?以及?Drive AGX Orin。
其中，Drive AGX Xavier 平台包含了兩顆 Xavier SoC，算力可以達到 30TOPS，功耗為 30W。
最近上市的小鵬 P7 上就量產搭載了這一計算平台，用於實現一系列 L2 級自動輔助駕駛功能。
Drive AGX Pegasus 平台則包括了兩顆 Xavier SoC 和兩顆基於圖靈架構的 GPU，算力能做到 320TOPS，功耗為 500W。
目前有文遠知行這樣的自動駕駛公司在使用這一計算平台。
在 2019 年 12 月的 GTC 中國大會上，英偉達又發布了最新一代的自動駕駛計算 SoC Orin。
這顆晶元由 170 億個晶體管組成，集成了英偉達新一代 GPU 架構和 Arm Hercules CPU 內核以及全新深度學習和計算機視覺加速器，最高每秒可運行 200 萬億次計算。
相較於上一代 Xavier 的性能，提升了 7 倍。
如今，英偉達進一步將自動駕駛計算平台的算力往前推進，通過將兩顆 Orin SoC 和兩塊基於安培架構的 GPU 集成起來，達到驚人的 2000TOPS 算力。
相較於 Drive AGX Pegasus 的性能又提升了 6 倍多，相應地，其功耗為 800W。
按一顆 Orin SoC 200TOPS 算力來計算，一塊基於安培架構的 GPU 的算力達到了 800TOPS。
正因為高算力，這個平台能夠處理全自動駕駛計程車運行所需的更高解析度感測器輸入和更先進的自動駕駛深度神經網路。
對於高階自動駕駛技術的發展而言，英偉達正在依靠 Orin SoC 和安培 GPU 架構在計算平台方面引領整個行業。
當然，作為一個軟體定義的平台，英偉達 Drive AGX 具備很好的可擴展性。
特別是隨著安培 GPU 架構的推出，該平台已經可以實現從入門級 ADAS 解決方案到 L5 級自動駕駛計程車系統的全方位覆蓋。
比如英偉達的 Orin 處理器系列中，有一款低成本的產品可以提供 10TOPS 的算力，功耗僅為 5W，可用作車輛前視 ADAS 的計算平台。
換句話說，採用英偉達 Drive AGX 平台的開發者在單一平台上僅基於一種架構便能開發出適應不同細分市場的自動駕駛系統，省去了單獨開發多個子系統（ADAS、L2+ 等系統）的高昂成本。
不過，想採用 Orin 處理器的廠商還得等一段時間，因為這款晶元會從 2021 年開始提供樣品，到?2022 年下半年才會投入生產並開始供貨。
3、英偉達自動駕駛「朋友圈」再擴大
本屆 GTC 上，英偉達的自動駕駛「朋友圈」繼續擴大。
中國自動駕駛公司小馬智行（Pony.ai）、美國電動車創業公司?Canoo?和法拉第未來（Faraday Future）加入到英偉達的自動駕駛生態圈，將採用英偉達的 Drive AGX 計算平台以及相應的配套軟體。
小馬智行將會基於 Drive AGX Pegasus 計算平台打造全新一代 Robotaxi 車型。
此前，小馬智行已經拿到了豐田的 4 億美金投資，不知道其全新一代 Robotaxi 會不會基於豐田旗下車型打造。
美國的電動汽車初創公司 Canoo 推出了一款專門用於共享出行服務的電動迷你巴士，計劃在 2021 年下半年投入生產。
為了實現輔助駕駛的系列功能，這款車型會搭載英偉達 Drive AGX Xavier 計算平台。前不久，Canoo 還和現代汽車達成合作，要攜手開發電動汽車平台。
作為全球新造車圈內比較特殊存在的法拉第未來，這一次也加入到了英偉達的自動駕駛生態圈。
FF 首款量產車 FF91 上的自動駕駛系統將基於 Drive AGX Xavier 計算平台打造，全車搭載了多達 36 顆各類感測器。
法拉第未來官方稱 FF91 有望在今年年底開始交付，不知道屆時會不會再一次跳票。
作為 GPU 領域絕對霸主的英偉達，在高算力的數據中心 GPU 以及高性能、可擴展的自動駕駛計算平台的加持下，已經建起了一個完整的集數據收集、模型訓練、模擬測試、遠程式控制制和實車應用的軟體定義的自動駕駛平台，實現了端到端的完整閉環。
同時，其自動駕駛生態圈也在不斷擴大，包括汽車製造商、一級供應商、感測器供應商、Robotaxi 研發公司和軟體初創公司在內的數百家自動駕駛產業鏈上的企業已經在基於英偉達的計算硬體和配套軟體開發、測試和應用自動駕駛車輛。
未來，在整個自動駕駛產業里，以計算晶元為核心優勢，英偉達的觸角將更加深入，有機會成為產業鏈條上不可或缺的供應商。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
5. 各向異性晶體電學和熱力學的張量計算
張量（Tensor）是一個定義在的一些向量空間和一些對偶空間的笛卡兒積上的多重線性映射，其坐標是|n|維空間內，有|n|個分量的一種量， 其中每個分量都是坐標的函數， 而在坐標變換時，這些分量也依照某些規則作線性變換。r 稱為該張量的秩或階（與矩陣的秩和階均無關系）。
在同構的意義下，第零階張量 （r = 0） 為標量 （Scalar），第一階張量 （r = 1） 為向量 （Vector）， 第二階張量 （r = 2） 則成為矩陣 （Matrix）。例如，對於3維空間，r=1時的張量為此向量：（x,y,z）。由於變換方式的不同，張量分成協變張量 （Covariant Tensor，指標在下者）、逆變張量 （Contravariant Tensor，指標在上者）、 混合張量 （指標在上和指標在下兩者都有） 三類。
在數學里，張量是一種幾何實體，或者說廣義上的「數量」。張量概念包括標量、向量和線性運算元。張量可以用坐標系統來表達，記作標量的數組，但它是定義為「不依賴於參照系的選擇的」。張量在物理和工程學中很重要。例如在擴散張量成像中，表達器官對於水的在各個方向的微分透性的張量可以用來產生大腦的掃描圖。可能最重要的工程上的例子就是應力張量和應變張量了，它們都是二階張量，對於一般線性材料他們之間的關系由一個四階彈性張量來決定。
雖然張量可以用分量的多維數組來表示，張量理論存在的意義在於進一步說明把一個數量稱為張量的涵義，而不僅僅是說它需要一定數量的有指標索引的分量。特別是，在坐標轉換時，張量的分量值遵守一定的變換法則。張量的抽象理論是線性代數分支，現在叫做多重線性代數。
6. 請就拉力為 10kN 和拉伸為 2mm 時二種情況,計算應力張量,應變張量,總 變形或總
柯西應力張量是在研究大變形時用現時構形來描述的對稱應力張量。在大變形(有限變形)情況下,由於變形前的初始構形和變形後的現時構形(見彈一塑性有限元法)差別較大,這樣分別定義在這兩個構形上的應力張量就很必要.所謂物體的一個構形是指由連續介質構成的某一物體某瞬間在空間所佔的區域.在大變形分析中柯西 (Cauchy)應力張量是一種採用歐拉描述法(是以質點的瞬時坐標砂和時間t作為自變數描述)定義在t時刻的現時構形上的應力張量di,,又稱歐拉應力張量.取三維空間笛卡爾坐標系,在t時刻的現時構形中截取一個四面體素,其斜面面元為da,法線為二,另外三個面元為da;、da:和da3,與所取坐標面平行.由四面體素的平衡條件得出da上的應力為: 可攤,=外n,這里氏J~'便是柯西應力張量,它是二階對稱張量。
7. rtx3050有沒有挖礦鎖
rtx3050有挖礦鎖。rtx顯卡鎖算力是為了限制一些人挖虛擬貨幣用的，挖礦也就是靠顯卡的計算能力去計算一系列過程的過程的簡稱，挖礦最終得到的是虛擬貨幣，如比特幣和ETH這些貨幣，挖礦會非常消耗顯卡的性能和壽命。
rtx3050定義
RTX3050作為NVIDIA新一代RTX30系列GPU的「50」成員，採用最新的NVIDIAAmpere架構，擁有第二代RTCore和第三代TensorCore，能夠很好的支持光線追蹤技術和DLSS2X，相對於前幾代的「50」系列有了較大的改變。
RTX3050GPU代號為GA106，配備了兩組GPC，10組TPC，CUDA單元為2560個，TensorCore和RTCore分別為80個和20個，從規格來看大約是RTX3060的百分之70左右，頻率方面，RTX3050的基礎頻率已經提升到了1552MHz。
8. 對於華碩3070tuf，應不應該增加rgb區域，讓這個系列更炫
距離GeForce RTX 30系顯卡發布已經過去了9個月，但在人們的記憶中發布會彷彿仍在昨天，在這半年多的時間中，RTX 30系顯卡也在不斷迭代，今天給大家帶來的是華碩TUF RTX 3070 Ti O8G GAMING顯卡的評測。
給大家造成顯卡仍發布不久的假象，主要是因為晶元荒而導致的全球性顯卡缺貨，加上礦潮的影響。第一是因為發布半年多大家卻買不到卡，第二是因為總有熱點話題來勾起大家的記憶，久而久之玩家對於GeForce RTX 30系顯卡的印象還是那個未發布的新顯卡。
9. rtx4000顯卡什麼級別
NVIDIA®Quadro RTX™ 4000 採用NVIDIA Turing™ 架構和NVIDIA RTX 平台，可在單插槽 PCI-e 外形中提供卓越的性能和功能。
它是基於TU106核心的，整體規格跟RTX 2070顯卡差不多，2304個CUDA核心，36個RT核心，還有288個Tensor核心，浮點性能7.1TFLOPS，顯存容量8GB GDDR6，不過頻率降至6.5Gbps。
Quadro RTX 4000 經過專門的設計、構造和測試，以適應要求苛刻的專業視覺計算工作流程。Quadro 在 OEM 工作站經過驗證，並獲得了專業軟體應用的認可，可為專業人士提供所需的性能、穩定性和可靠性。如下圖：
(9)tensor算力擴展閱讀：
顯卡類型：工作站顯卡；顯存類型：GDDR6；顯卡類型：專業級；
顯卡晶元：Quadro RTX 4000；顯存容量：8GB；
顯存位寬：256bit；電源介面：8pin；