DNN算力

1. 人工智慧未來的發展前景怎麼樣

人工智慧產業鏈分為基礎層、技術層和應用層。基礎層是人工智慧產業鏈的基礎，為人工智慧提供算力支撐和數據輸入，中國在此領域發展時間較短，基礎層發展較為薄弱。目前，中國的人工智慧企業主要集中在北京、廣東、上海和浙江，北京的人工智慧發展已經步入快車道。

人工智慧產業鏈全景梳理：基礎層發展薄弱

基礎層主要提供算力和數據支持，主要涉及數據的來源與採集，包括AI晶元、感測器、大數據、雲計算、開源框架以及數據處理服務等。技術層處理數據的挖掘、學習與智能處理，是連接基礎層與具體應用層的橋梁，主要包括機器學習、深度學習、計算機視覺、自然語言處理、語音識別等。應用層針對不同的場景，將人工智慧技術進行應用，進行商業化落地，主要應用領域有駕駛、安防、醫療、金融、教育等。

—— 更多數據請參考前瞻產業研究院《中國人工智慧行業市場前瞻與投資戰略規劃分析報告》

2. 深度學習顯卡怎麼看CUDA compute capability

該項目的計算力，GTX1080TI算力6.1/3.7，約K80的1.64倍
目前深度學習比較熱門的卡：RTX2080TI，RTX2070（多路），GTX1080TI目前退市不容易買到多張。（二手另說）
*CUDA平台的深度學習，顯卡主要看：單精度浮點運算，顯存，Tensor Core（圖靈架構與伏特架構才有，RTX系列與TITAN V）
*Tesla主要穩定性與一些特殊功能上,雙精度（目前這個深度學慣用的少），跑單精度與半精度浮點運算優勢不大，價格昂貴（想要超過GTX1080TI算力，需要Tesla V100，一張幾萬）

3. 人工智慧，大數據與深度學習之間的關系和差異

說到人工智慧(AI)的定義，映入腦海的關鍵詞可能是「未來」，「科幻小說」，雖然這些因素看似離我們很遙遠，但它卻是我們日常生活的一部分。語音助手的普及、無人駕駛的成功，人工智慧、機器學習、深度學習已經深入我們生活的各個場景。例如京東會根據你的瀏覽行為和用戶的相似性，利用演算法為你推薦你需要的產品；又比如美顏相機，會基於你面部特徵的分析，通過演算法精細你的美顏效果。還有眾所周知的谷歌DeepMind，當AlphaGo打敗了韓國職業圍棋高手Lee Se-dol時，媒體描述這場人機對戰的時候，提到了人工智慧AI、機器學習、深度學習等術語。沒錯，這三項技術都為AlphaGo的勝利立下了汗馬功勞，然而它們並不是一回事。

人工智慧和機器學習的同時出現，機器學習和深度學習的交替使用......使大部分讀者霧里看花，這些概念究竟有何區別，我們可以通過下面一個關系圖來進行區分。

圖二：數據挖掘與機器學習的關系

機器學習是數據挖掘的一種重要方法，但機器學習是另一門學科，並不從屬於數據挖掘，二者相輔相成。數據挖掘是機器學習和資料庫的交叉，主要利用機器學習提供的技術來分析海量數據，利用資料庫界提供的技術來管理海量數據。

不管是人工智慧、機器學習、深度學習還是數據挖掘，目前都在解決共同目標時發揮了自己的優勢，並為社會生產和人類生活提供便利，幫助我們探索過去、展示現狀、預測未來。

4. 什麼是人工智慧的深度學習

深度學習是一種演算法革命，帶來了人工智慧的快速發展和應用，解決了視頻、圖像、聲音、語言和文本的處理，在一定程度上達到了人類辨識或認知對象物體的水平。

深度學習只是機器學習的一個子領域，是受到大腦的結構和功能所啟發的人工神經網路的一種演算法。深度學習只是需要非常大的神經網路上訓練更多的數據，需要更強大的計算機和算力。

如果我們構建更大的神經網路（更多的隱含層10-100，甚至更多的）並訓練喂給模型越來越多的數據時，深度學習的性能會不斷提高。這與其他傳統機器學習演算法通常不同，深度學習技術在性能上將達到了一個新的高度。

希望人工智慧可以再次改變世界！

5. 3060顯卡在深度學習中處於什麼地位呢

中高檔次。

RTX 3060 Ti則是因為採用了跟RTX 3070同款的GPU核心，在性能上是比RTX 3060高出很多的。RTX 3060憑借著更先進的第二代RT Core，拉大了自己與RTX 2060 SUPER的距離，因此從跑分上看RTX 3060在傳統性能上領先RTX 2060 SUPER的幅度較小，而光追游戲中則可以拉開較大的差距。

3060顯卡的特點

3060其實之所以那麼受關注，主要原因還是之前老黃說挖礦性能被限制了，同時還推出了自己家的新礦卡。但是3060限制挖礦以後，ETH算力是大幅度降低，大概在22左右，而性能相當的2070s大概是40左右，所以3060的挖礦能力確實被削弱了。

不過這個削弱大概只是在eth上，外媒有拿到3060的用戶發現，這塊顯卡在其他虛擬幣上的算力有不俗的表現，比如採用Octopus演算法的CFX，單卡算力就還能達到45MH/s，和此前的RTX3060Ti（47MH/s）相差無幾。

6. 深度學習做人臉識別，和傳統方式比有啥好處

深度學習的演算法可以對人的表情和聲音特質進行分析判斷，多模態的分析模式。

7. rtx3080ti對cpu有要求嗎

咨詢記錄 · 回答於2021-08-05

8. 深度學習的好處

深度學習的主要優點如下：
優點1：學習能力強
從結果來看，深度學習具備很強的學習能力，表現非常好。
優點2：覆蓋范圍廣，適應性好
深度學習的神經網路層數很多，寬度很廣，理論上可以映射到任意函數，所以能解決很復雜的問題。
優點3：數據驅動，上限高
深度學習高度依賴數據，數據量越大，它的表現就越好。在圖像識別、面部識別、NLP 等領域表現尤為突出。
優點4：可移植性好
由於深度學習的優異表現，很多框架都可以使用，例如 TensorFlow、Pytorch。這些框架可以兼容很多平台。
深度學習也是有缺點的：
缺點1：計算量大，便攜性差
深度學習需要大量的數據與算力，所以成本很高。而且現在很多應用還不適合在移動設備上使用。目前已經有很多公司和團隊在研發針對便攜設備的晶元。
缺點2：硬體需求高
深度學習對算力要求很高，普通的CPU已經無法滿足深度學習的要求。
缺點3：模型設計復雜
深度學習的模型設計非常復雜，需要投入大量的人力物力和時間來開發新的演算法和模型。大部分人只能使用現成的模型。
缺點4：沒有」人性」，容易存在偏見
由於深度學習依賴數據，並且可解釋性不高。在訓練數據不平衡的情況下會出現性別歧視、種族歧視等問題。

9. 深度學習顯卡用amd還是英偉達

深度學習顯卡用英偉達比較好。

NVIDIA使用的人較多，所以網上的資源也比較多，容易學習和構建。而AMD的顯卡，由於很遲才推出它的編程架構，用的人比較少，所以網上的資料較少，所以很難去學習。NVIDIA在深度學習訓練方面的領先地位在MLPerf 0.6中得到了證明，這是AI訓練的第一項行業級基準測試。

深度學習顯卡的選擇：

1、選擇算力在5.0以上的

根據官方說明，在GPU算力高於5.0時，可以用來跑神經網路。算力越高，計算能力越強，建議小夥伴們在資金充足的情況下，盡量買算力高一些的。

2、盡量選擇大顯存

顯存越高，意味著性能越強悍。特別是對於CV領域的朋友們，建議至少有一個8GB顯存的顯卡。下面是英偉達的部分中高端顯卡的一些性能參數。

3、GPU幾個重要的參數

GPU架構：

不同款的GPU可能採用不同設計架構，比如GeForce 10系列的GTX 1080/1080Ti採用的是Pascal架構，而GeForce 20系列的RTX 2080/2080Ti採用的是Turing架構。不同架構的GPU，即使其他參數差不多，性能差別可能非常大。

顯存帶寬：

代表GPU晶元每秒與顯存交換的數據大小，這個值等於顯存位寬＊工作頻率，單位為GB/秒，該值越大，代表GPU性能越好。Geforce GTX 1080的顯存帶寬為320GB/秒，而它的升級版Geforce RTX 2080的帶寬為448GB/秒。

顯存位寬：

代表GPU晶元每個時鍾周期內能從GPU顯存中讀取的數據大小，這個值越大代表GPU晶元和顯存之間數據交換的速度越快，性能越好。Geforce GTX 1080的顯存位寬為256bit，Geforce RTX 2080Ti顯存位寬為352bit。

GPU工作頻率：

代表GPU每秒鍾工作次數，單位為MHz，跟CPU的頻率類似。該值越大代表性能越好。

CUDA核心數量：

CUDA核心數量越大越好，Geforce GTX 1080的CUDA核心數量是2560個。而Geforce RTX 2080Ti的CUDA核心數高達4352個。

功耗：

GPU能耗，像Geforce這種消費級的顯卡一般功耗非常高，Geforce GTX 1080的最大功耗為175W，Tesla P4的最大功耗為75W。像那種數據中心大規模級別的GPU部署，低功耗的顯卡一年電費能省很多。

10. 鎖算力的顯卡對深度學習有影響嗎

沒有影響，顯卡鎖算力，是當顯卡開始運行挖礦軟體，進行哈希演算法的時候（以太坊演算法）顯卡就會自動降低顯存頻率來鎖住算力。

對於游戲玩家來說，平時不運行挖礦軟體是不會對於顯卡性能有影響的。

硬體驅動雙鎖算力是基於監測虛擬貨幣的算力砍半，並非日常使用也無腦砍半，所以玩家日常使用的話完全不用擔心性能損失。全新的 LHR 核心僅僅是針對虛擬貨幣進行了哈希率限制，日常使用以及打游戲則完全不受影響。

顯卡性能：

一、先看顯存

在挑選電腦時聽導購員說的最多的就是大顯存好，其實這個觀點又對又不對，咱們先來說說它為什麼是對的。

顯存就好像cpu的運行內存一樣是非常重要的，顯示畫面中的各種圖形都會在這里短暫的儲存並交由顯卡晶元進行處理，所以通常來說確實是越大越好，大的顯存可以存儲更多的數據供顯卡晶元處理，你所看到的畫面也會更加的流暢。

二、看傳輸方式

在這里就會涉及到光看顯存為什麼是不對的了，現在通用的顯卡信息傳輸方式有ddr3和ddr5。如果將顯存比作裝滿水的水池，將顯卡晶元比作空水池的話，那麼傳輸方式就是在二者之間聯通的水管 。