nvidiacuda算力
❶ NVIDIA cuda
主要玩游戏的话，CUDA意义不是特别大。目前看来唯一的作用是PhysX物理加速，但是使用它的游戏不是很多。
本来CUDA很有前途的，但是随着OpenCL和DX11的发布，CUDA感觉马上就要落寞了。
CUDA就是利用显卡来辅助CPU进行计算，和DirectX版本没有直接关系。NVidia现在的新显卡都支持DX10的，Directx9.0c肯定支持了。
❷ NVIDIA显卡支持CUDA，什么是CUDA
关于CUDA：
CUDA（Compute Unified Device Architecture）是一个新的基础架构，这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。它是一个完整的GPGPU解决方案，提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。在架构上采用了一种全新的计算体系结构来使用GPU提供的硬件资源，从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。CUDA采用C语言作为编程语言提供大量的高性能计算指令开发能力，使开发者能够在GPU的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。
关于NVIDIA CUDA技术
NVIDIA CUDA技术是当今世界上唯一针对NVIDIA GPU（图形处理器）的C语言环境，为支持CUDA技术的NVIDIA GPU（图形处理器）带来无穷的图形计算处理性能。凭借NVIDIA CUDA技术，开发人员能够利用NVIDIA GPU（图形处理器）攻克极其复杂的密集型计算难题，应用到诸如石油与天然气的开发，金融风险管理，产品设计，媒体图像以及科学研究等领域。
CUDA™ 工具包是一种针对支持CUDA功能的GPU（图形处理器）的C语言开发环境。CUDA开发环境包括:
nvcc C语言编译器
适用于GPU（图形处理器）的CUDA FFT和BLAS库
分析器
适用于GPU（图形处理器）的gdb调试器（在2008年3月推出alpha版）
CUDA运行时（CUDA runtime）驱动程序（目前在标准的NVIDIA GPU驱动中也提供）
CUDA编程手册
CUDA开发者软件开发包（SDK）提供了一些范例（附有源代码），以帮助使用者开始CUDA编程。这些范例包括:
并行双调排序
矩阵乘法
矩阵转置
利用计时器进行性能评价
并行大数组的前缀和（扫描）
图像卷积
使用Haar小波的一维DWT
OpenGL和Direct3D图形互操作示例
CUDA BLAS和FFT库的使用示例
CPU-GPU C—和C++—代码集成
二项式期权定价模型
Black-Scholes期权定价模型
Monte-Carlo期权定价模型
并行Mersenne Twister（随机数生成）
并行直方图
图像去噪
Sobel边缘检测滤波器
MathWorks MATLAB® 插件 (点击这里下载)
新的基于1.1版CUDA的SDK 范例现在也已经发布了。要查看完整的列表、下载代码，请点击此处。
技术功能
在GPU（图形处理器）上提供标准C编程语言
为在支持CUDA的NVIDIA GPU（图形处理器）上进行并行计算而提供了统一的软硬件解决方案
CUDA兼容的GPU（图形处理器）包括很多：从低功耗的笔记本上用的GPU到高性能的，多GPU的系统。
支持CUDA的GPU（图形处理器）支持并行数据缓存和线程执行管理器
标准FFT（快速傅立叶变换）和BLAS（基本线性代数子程序）数值程序库
针对计算的专用CUDA驱动
经过优化的，从中央处理器（CPU）到支持CUDA的GPU（图形处理器）的直接上传、下载通道
CUDA驱动可与OpenGL和DirectX图形驱动程序实现互操作
支持Linux 32位/64位以及Windows XP 32位/64位 操作系统
为了研究以及开发语言的目的，CUDA提供对驱动程序的直接访问，以及汇编语言级的访问。
❸ NVIDIA的CUDA并行计算主要用在什么领域
单精度浮点处理和双精度浮点处理，因为本来图像处理就是浮点的。浮点的计算能力标准为flops，同一时代的gpu的浮点处理能力是cpu的十倍以上
具体的应用太多了，现实世界大部分问题是浮点的，而不是int的，主要为科学计算：核爆模拟、流体计算、动力学、结构模拟、分子计算、天体计算 ，还有老本行图像方面
❹ 哪些NVIDIA显卡支持CUDA技术
从硬件层面上说，NVIDIA从Geforce9XXX系列显卡，也就是G92/G94/G96核心开始支持CUDA技术。前一代G80核心系列也能够部分支持CUDA技术，但性能效率和软件兼容性不完善。
但NVIDIA通过在驱动层面上的优化，让从geforce8XXX系列显卡开始往后的产品，全部支持CUDA通用计算技术。也就是说从G80/G84/G86核心开始，往后的产品都支持CUDA技术。
❺ 有知道最新的GTX1660 支持CUDA 计算能力吗
知道，最新的rtx也支持，nvidia这个cuda已经很多年了
❻ 有哪些计算能力强的GPU云计算平台
件平台碍…如果是严格的GPU计算，目前的硬件平台只有Nvidia支持CUDA的GPU；当然，AMD的同样可以，只是没有Nvidia使用那么广泛。这二者都是典型的GPU结构，但Nvidia更偏向大核心，强调效率，适合略复杂的计算；而AMD更倾向小核心，通用计
❼ NVIDIA GeForce GT 610M运行CUDA时的计算能力
GT610m实际是GT520m的超频版，入门级显卡，低端。
着色器数量：48Unified
制造工艺：40nm
光栅单元：4
位宽：64bit
容量：2048M
运算能力为：
像素填充率：1.7GPixel/S
纹理填充率：6.8GTexel/S
显存带宽：12.8GB。
希望帮到你。
❽ 请问哪些地方可以用到nvidia的CUDACUDA的作用大吗，比如转码时它会对转码性能提升很多吗
CUDA是Nvidia的通用计算平台语言，只要你想用Nvidia的GPU参与通用计算，就需要用到CUDA
CUDA本身仅仅是Nvidia提供的工具，至于怎么用，就是开发者的意愿了。它可以被用在转码软件中，使转码过程经由GPU进行加速。或者用于数学计算中，利用CUDA编程，让GPU参与到方程组的计算中，加速计算过程，尤其是一些并行度高的计算，更适合通过CUDA进行GPU计算。
❾ 怎么能知道Nvidia的显卡哪个计算能力强
N卡显卡设置有 高性能、性能、质量、高质量 .4个选项，这4个选项由高到低，代表什么肯定是大家疑惑的地方，
高性能代表的是，不需要图形效果能玩就行，就牺牲画面效果换取3D流畅度，高质量代表的是，跟性能刚好相反，就是为了更好的画面效果牺牲流畅性
默认就是高性能，N卡驱动一直做的很好，就是N卡普遍做法就是牺牲画面换取流畅度，
看你是个低端显卡，建议默认就好，默认就是牺牲画面，起码可以玩，这个做法也是可取的
❿ 为什么NVIDIA近几代游戏显卡的双精度浮点运算能力缩水
这是这几代架构本身的问题，并不是蓄意而为之；
在去年年中时，NV就已经设计好了GK210，并已经成功流片，GK210相比GK110，最大的变化就是寄存器文件、一级缓存容量都翻了一番，分别来到512KB、128KB，寄存器文件、一级缓存增大后，可以明显改进流处理器阵列内的数据吞吐能力，工作更高效，尤其适合高性能计算，这显然是一次针对性的重新设计；
在此时已经有多台高性能计算机已经搭载了GK210的高性能计算卡，在Maxwell已经成功流片时再一次改进GK110，NVIDIA前两年还在提的每瓦特双精度性能比的概念现在变成了“混合精度”，不再刻意强调双精度了；
Maxwell核心的Tesla卡并不会出现，取而代之的是Kepler依然横行于Tesla计算卡市场，而Pascal也许会对双精度能力再次进行阉割。
至于GTX TITAN Z在CUDA7中降低了双精度能力，GTX TITAN Z是完整的两颗GK110核心，在选择了风冷散热之后，不得不将卡的厚度扩充至三层，并且频率降低到了705MHz,boost876MHz，此时多余的DP unit已经成为了拖累GTX TITAN Z的功耗因素之一，并且作为一张游戏卡，GTX TITAN Z并没有配备ECC显存，这是专业计算非常大的漏洞，因此最终NVIDIA选择关闭了GTX TITAN Z的双精度能力。
Kepler改用双精度单元独立式设计， CUDA 核中的FP unit（浮点单元）具备单精度计算能力，对双精度浮点计算仅开放支持，并不具备实质的双精度浮点能力，必须要在CUDA旁添加双精度浮点单元（DP unit）辅助CUDA核进行双精度浮点计算，才能让CUDA核具备双精度浮点能力；
而GTX TITAN是个例外，为了符合其的跨界身份，并没有选择完全降低DP unit的频率，NVIDIA在驱动中提供了Titan双精度的手动开关，开启时DP unit和CUDA运行在相同频率，具有1/3DP能力，关闭时DP unit运行在CUDA 1/8频率，保持和Kepler游戏卡相同的1/24 DP能力，使Titan达到游戏卡相同的功耗温度水平；
所以这几代游戏卡双精度能力的降低和Maxwell双精度能力的孱弱是设计架构的理念与方向所造成的，并不是故意为了提高Tesla卡的出货量，Tesla面对的是专业领域，游戏卡并不具备ECC显存的功能，专业领域的用户也本身并不会考虑游戏卡。