tensor算力
1. 21tops算力相当于什么显卡
英伟达的一个Jetson Xavier NX就是21tops算力。
11月7日，英伟达宣布推出全球尺寸最小的边缘AI超级计算机Jetson Xavier NX，主要面向机器人和边缘嵌入式计算设备。这款新品拥有比信用卡还小的外形，节能型Jetson Xavier NX模块在运行AI工作负载时，可提供最高21 TOPS的服务器级性能，售价399美元，即将在2020年3月开始出货。英伟达推出更具竞争力的边缘AI芯片产品，让AI初创公司们面临更大的竞争压力。
英伟达边缘AI芯片已经有四个系列
今天发布的Jetson Xavier NX最大的亮点在于，与Jetson Nano尺寸相同（70X45mm）的情况下，能够在功耗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能够并行运行多个神经网络，也能同时处理来自多个高分辨率传感器的数据。
Jetson Xavier NX模块具体的规格如下：
GPU：配备384个 NVIDIA CUDA core和48 个Tensor core的 NVIDIA Volta，外加2个NVDLA
CPU：6-core Carmel Arm 64位CPU, 6MB L2 + 4MB L3
视频：2x 4K30 编码和2x 4K60解码
摄像头：最多6个 CSI摄像头（通过虚拟通道最多36个），12路（3x4或6x2） MIPI CSI-2
内存：8GB 128位LPDDR4x；51.2GB/秒
连接：千兆以太网
OS支持：基于Ubuntu的 Linux
模块尺寸：70x45mm
Jetson Xavier NX面向的是对性能需求高，但受到尺寸、重量、功耗以及预算限制的嵌入式边缘计算设备，比如小型商用机器人、无人机、智能高分辨率传感器（用于工厂物流和生产线）、光学检测、网络录像机，便携式医疗设备以及其他工业物联网（IoT）系统。
为了满足这些场景，除了硬件外，软件支持也非常重要。英伟达表示，对于已经开始打造嵌入式计算机的公司，Jetson Xavier NX与所有Jetson系列产品一样都可以在相同的CUDA-X AI软件架构上运行。同时，作为NVIDIA软件架构方法的一部分，Jetson Xavier NX由NVIDIA JetPack SDK提供支持。
NVIDIA JetPack SDK是一个完整的AI软件堆栈，可以运行复杂的AI网络，并用于深度学习的加速库以及计算机视觉、计算机图形、多媒体等。
Jetson Xavier NX的上一款产品是在今年3月的GTC发布，英伟达创始人兼 CEO 黄仁勋宣布推出售价仅99美元的Jetson Nano。根据官方的说法，借助CUDA-X，Jetson Nano可以提供472 GFLOPS的AI性能，功率低至5W。这款售价不高，能够运行所有AI模型的边缘计算平台发布后获得了极大的关注。
Jetson Nano的上一款产品在去年发布。去年九月的日本GTC，黄仁勋公布了AGX阵容，包括Drive Xavier和新推出的Drive Pegasus，还有Jetson AGX Xavier。Jetson AGX Xavier的大规模计算性能可以处理机器人至关重要的测距、定位、测绘、视觉和感知以及路径规划。
Jetson家族更早的产品Jetson TX2在2017年推出，提供两种运行模态：一种是MAX Q，这种模态下能效比能达到最高，是TX1的2倍，功耗在7.5W以下；另一种是MAX P，性能可以做到最高，能效比同样可以做到前一代的2倍，功耗则在15W以下。
虽然推出的时间不同，但他们都具有一个区别于其他边缘SoC的特点，并行运行多个神经网络。
边缘端实力增强，初创公司面临更大生存压力
英伟达在云端AI芯片市场获益颇丰，其中非常重要的原因就是擅长并行计算的GPU能够在在数据中心的各种模型中训练时体现出性能优势。虽然凭借云端AI芯片成为了众多AI芯片初创公司想要超越的目标，但英伟达也有自己的困扰。首先，为AI优化和设计的高性能GPU价格昂贵，让不少开发者望而却步。
其次，随着AI算法的逐步成熟，云端AI训练芯片市场的增速将会放缓，英伟达想要保持业绩的增长以及在AI市场的领导力，就需要向边缘AI市场拓展，同时，用云端加边缘一体化的解决方案吸引更多客户。
从面向终端和边缘设备的Jetson系列芯片的布局来看，英伟达早已明白自己该怎么做。如今，Jetson系列芯片算力从0.5TFlops到32TOPS，应用覆盖小型嵌入式设备、智能汽车、工业设备等多种应用。今天高性能小尺寸Jetson Xavier NX发布，让Jetson家族能够提供性能和功耗更加多样的边缘芯片，这背后就是为了满足AIoT市场多样化的市场需求。
不过，更应该看到的是，英伟达如今不仅能够提供云端和终端AI芯片硬件，其成功背后还有强大的软件生态的支撑。据雷锋网了解，Jetson系列已经吸引了40万的开发者，拥有了3000用户。
这对于AI芯片的初创公司而言显然不是一个好消息，由于云端AI芯片更加依赖生态，芯片的设计难度也更大，所以大部分AI芯片的初创公司都选择在边缘端市场，并且大都主要提供AI加速器。AI芯片初创公司们希望凭借独特的架构设计以及领先的性能指标的芯片获得市场的认可。
然而，开发者在进行AI算法迁移的时候往往需要使用AI芯片公司提供的编译器等工具，这不仅会增加软件开发者的使用门槛，还可能达不到预期的效果。因此，初创公司的AI芯片大部分都没有得到非常有价值的应用。
这就意味着，AI芯片初创公司们在产品设完成并流片之后，如何找到合适的市场以及模式进行商业化变得非常关键，特别是在资本寒冬以及AI芯片进入落地战的当下。
显然，AI芯片初创公司们面临着更加严峻的生存挑战，一方面，无论是英伟达还是英特尔，他们在云端和边缘端都已经有竞争力很强的产品，在边缘端，凭借软件生态以及渠道的优势，巨头们的芯片更容易获得客户，甚至连擅长软件的Google都推出了面向边缘市场的Google Edge TPU。另一方面，AI芯片初创公司想要推出有竞争力的产品就必须不断迭代和投入，这就需要资金的持续支持，但融资环境以及更加激烈的市场竞争又增加了融资的难度。
正如雷锋网在今年3月份的文章中指出的，AI芯片的战火已经蔓延至边缘端，Jetson Xavier NX的推出不仅是英伟达边缘端AI芯片布局的完善和实力的进一步增强，更是边缘端芯片市场竞争更加激烈的标志。
AI芯片市场更加激烈的竞争有助于推动AI的向前发展，但对于实力较弱的AI芯片初创公司而言，随着芯片巨头们更有竞争力产品的推出，以及像英伟达这样的公司更愿意称自己为系统公司，而非单纯的芯片公司，这让AI芯片初创公司面临着更加严峻的生存挑战。
2. 数据平台上的计算能力：哪些GPU更适合深度
NVIDIA GPU，AMD GPU还是Intel Xeon Phi?
用NVIDIA的标准库很容易搭建起CUDA的深度学习库，而AMD的OpenCL的标准库没这么强大。而且CUDA的GPU计算或通用GPU社区很大，而OpenCL的社区较小。从CUDA社区找到好的开源办法和可靠的编程建议更方便。NVIDIA从深度学习的起步时就开始投入，回报颇丰。虽然别的公司现在也对深度学习投入资金和精力，但起步较晚，落后较多。如果在深度学习上采用NVIDIA-CUDA之外的其他软硬件，会走弯路。
Intel的Xeon Phi上支持标准C代码，而且要在Xeon Phi上加速，也很容易修改这些代码。这个功能听起来有意思。但实际上只支持很少一部分C代码，并不实用。即使支持，执行起来也很慢。Tim曾用过500颗Xeon Phi的集群，遇到一个接一个的坑，比如Xeon Phi MKL和Python Numpy不兼容，所以没法做单元测试。因为Intel Xeon Phi编译器无法正确地对模板进行代码精简，比如对switch语句，很大一部分代码需要重构。因为Xeon Phi编译器不支持一些C++11功能，所以要修改程序的C接口。既麻烦，又花时间，让人抓狂。执行也很慢。当tensor大小连续变化时，不知道是bug，还是线程调度影响了性能。举个例子，如果全连接层（FC）或剔除层（Dropout）的大小不一样，Xeon Phi比CPU慢。
预算内的最快GPU
用于深度学习的GPU的高速取决于什么？是CUDA核？时钟速度？还是RAM大小？这些都不是。影响深度学习性能的最重要的因素是显存带宽。GPU的显存带宽经过优化，而牺牲了访问时间（延迟）。CPU恰恰相反，所用内存较小的计算速度快，比如几个数的乘法（3*6*9）；所用内存较大的计算慢，比如矩阵乘法（A*B*C）。GPU凭借其显存带宽，擅长解决需要大内存的问题。
所以，购买快速GPU的时候，先看看带宽。
3. 3070锁算力和不锁算力区别
如下：
1、在价格方面是不一样的，未锁算力的价格要比锁算力的高。
2、锁算力的显卡在挖矿速度比不上未锁算力的，这就是为什么未锁算力的价格要比锁算力的高。
3、未锁算力显卡：任意挖矿，矿老板最爱，二手价格都比锁算力的高，并且无保修。锁算力显卡：挖矿效率低，所以适合玩家，正常保修，价格也便宜一些。
介绍
GeForce RTXTM3070 系列显卡采用第 2 代 RTX 架构 – NVIDIA Ampere。该系列显卡具有增强的 Ray Tracing Core 和 Tensor Core、新型流式多处理器和高速显存，提供强劲的性能，助您在高性能要求的游戏中所向披靡。
RTX 3070有比肩RTX 2080Ti的性能，看齐RTX 2070的价格。
4. 英伟达发布史上最强计算平台，黄教主：自动驾驶不再担心算力问题
原本应该在今年 3 月份于加州圣何塞举办的英伟达 GTC 2020 大会，因为全球性新冠病毒肺炎的爆发而不得不推迟举行。
比原计划晚了将近 2 个月，英伟达 GTC 2020 终于在 5 月 14 日回归。
不过这一次开发者们没办法在线下集会，只能通过线上直播观看「皮衣教主」黄仁勋的主题演讲。老黄此次是在他硅谷的家中完成了这场别开生面的「Kitchen Keynote」。
虽然是厨房举行，英伟达依然爆出「核弹」，发布了全新一代的 GPU 架构 Ampere（安培）。
在自动驾驶方向上，英伟达通过两块 Orin SoC 和两块基于安培架构的 GPU 组合，实现了前所未有的?2000 TOPS?算力的 Robotaxi 计算平台，整体功耗为?800W。
有业界观点认为，实现 L2 自动驾驶需要的计算力小于 10 TOPS，L3 需要的计算力为 30 - 60 TOPS，L4 需要的计算力大于 100 TOPS，L5 需要的计算力至少为 1000 TOPS。
现在的英伟达自动驾驶计算平台已经建立起了从?10TOPS/5W，200TOPS/45W?到?2000 TOPS/800W?的完整产品线，分别对应前视模块、L2+ADAS?以及?Robotaxi?的各级应用。
从产品线看，英伟达?Drive AGX?将全面对标 Mobileye?EyeQ?系列，希望成为量产供应链中的关键厂商。
1、全新 GPU 架构：Ampere（安培）
2 个月的等待是值得的，本次 GTC 上，黄仁勋重磅发布了英伟达全新一代 GPU 架构 Ampere（安培）以及基于这一架构的首款 GPU NVIDIA A100。
A100 在整体性能上相比于前代基于 Volta 架构的产品有 20 倍的提升，这颗 GPU 将主要用于数据分析、专业计算以及图形处理。
在安培架构之前，英伟达已经研发了多代 GPU 架构，它们都是以科学发展史上的伟人来命名的。
比如 Tesla（特斯拉）、Fermi（费米）、Kepler（开普勒）、Maxwell（麦克斯维尔）、Pascal（帕斯卡）、Volta（伏特）以及 Turing（图灵）。
这些核心架构的升级正是推动英伟达各类 GPU 产品整体性能提升的关键。
针对基于安培架构的首款 GPU A100，黄仁勋细数了它的五大核心特点：
集成了超过 540 亿个晶体管，是全球规模最大的 7nm 处理器；引入第三代张量运算指令 Tensor Core 核心，这一代 Tensor Core 更加灵活、速度更快，同时更易于使用；采用了结构化稀疏加速技术，性能得以大幅提升；支持单一 A100 GPU 被分割为多达 7 块独立的 GPU，而且每一块 GPU 都有自己的资源，为不同规模的工作提供不同的计算力；集成了第三代 NVLink 技术，使 GPU 之间高速连接速度翻倍，多颗 A100 可组成一个巨型 GPU，性能可扩展。
这些优势累加起来，最终让 A100 相较于前代基于 Volta 架构的 GPU 在训练性能上提升了?6 倍，在推理性能上提升了?7 倍。
最重要的是，A100 现在就可以向用户供货，采用的是台积电的 7nm 工艺制程生产。
阿里云、网络云、腾讯云这些国内企业正在计划提供基于 A100 GPU 的服务。
2、Orin+安培架构 GPU：实现 2000TOPS 算力
随着英伟达全新 GPU 架构安培的推出，英伟达的自动驾驶平台（NVIDIA Drive）也迎来了一次性能的飞跃。
大家知道，英伟达此前已经推出了多代 Drive AGX 自动驾驶平台以及 SoC，包括?Drive AGX Xavier、Drive AGX Pegasus?以及?Drive AGX Orin。
其中，Drive AGX Xavier 平台包含了两颗 Xavier SoC，算力可以达到 30TOPS，功耗为 30W。
最近上市的小鹏 P7 上就量产搭载了这一计算平台，用于实现一系列 L2 级自动辅助驾驶功能。
Drive AGX Pegasus 平台则包括了两颗 Xavier SoC 和两颗基于图灵架构的 GPU，算力能做到 320TOPS，功耗为 500W。
目前有文远知行这样的自动驾驶公司在使用这一计算平台。
在 2019 年 12 月的 GTC 中国大会上，英伟达又发布了最新一代的自动驾驶计算 SoC Orin。
这颗芯片由 170 亿个晶体管组成，集成了英伟达新一代 GPU 架构和 Arm Hercules CPU 内核以及全新深度学习和计算机视觉加速器，最高每秒可运行 200 万亿次计算。
相较于上一代 Xavier 的性能，提升了 7 倍。
如今，英伟达进一步将自动驾驶计算平台的算力往前推进，通过将两颗 Orin SoC 和两块基于安培架构的 GPU 集成起来，达到惊人的 2000TOPS 算力。
相较于 Drive AGX Pegasus 的性能又提升了 6 倍多，相应地，其功耗为 800W。
按一颗 Orin SoC 200TOPS 算力来计算，一块基于安培架构的 GPU 的算力达到了 800TOPS。
正因为高算力，这个平台能够处理全自动驾驶出租车运行所需的更高分辨率传感器输入和更先进的自动驾驶深度神经网络。
对于高阶自动驾驶技术的发展而言，英伟达正在依靠 Orin SoC 和安培 GPU 架构在计算平台方面引领整个行业。
当然，作为一个软件定义的平台，英伟达 Drive AGX 具备很好的可扩展性。
特别是随着安培 GPU 架构的推出，该平台已经可以实现从入门级 ADAS 解决方案到 L5 级自动驾驶出租车系统的全方位覆盖。
比如英伟达的 Orin 处理器系列中，有一款低成本的产品可以提供 10TOPS 的算力，功耗仅为 5W，可用作车辆前视 ADAS 的计算平台。
换句话说，采用英伟达 Drive AGX 平台的开发者在单一平台上仅基于一种架构便能开发出适应不同细分市场的自动驾驶系统，省去了单独开发多个子系统（ADAS、L2+ 等系统）的高昂成本。
不过，想采用 Orin 处理器的厂商还得等一段时间，因为这款芯片会从 2021 年开始提供样品，到?2022 年下半年才会投入生产并开始供货。
3、英伟达自动驾驶「朋友圈」再扩大
本届 GTC 上，英伟达的自动驾驶「朋友圈」继续扩大。
中国自动驾驶公司小马智行（Pony.ai）、美国电动车创业公司?Canoo?和法拉第未来（Faraday Future）加入到英伟达的自动驾驶生态圈，将采用英伟达的 Drive AGX 计算平台以及相应的配套软件。
小马智行将会基于 Drive AGX Pegasus 计算平台打造全新一代 Robotaxi 车型。
此前，小马智行已经拿到了丰田的 4 亿美金投资，不知道其全新一代 Robotaxi 会不会基于丰田旗下车型打造。
美国的电动汽车初创公司 Canoo 推出了一款专门用于共享出行服务的电动迷你巴士，计划在 2021 年下半年投入生产。
为了实现辅助驾驶的系列功能，这款车型会搭载英伟达 Drive AGX Xavier 计算平台。前不久，Canoo 还和现代汽车达成合作，要携手开发电动汽车平台。
作为全球新造车圈内比较特殊存在的法拉第未来，这一次也加入到了英伟达的自动驾驶生态圈。
FF 首款量产车 FF91 上的自动驾驶系统将基于 Drive AGX Xavier 计算平台打造，全车搭载了多达 36 颗各类传感器。
法拉第未来官方称 FF91 有望在今年年底开始交付，不知道届时会不会再一次跳票。
作为 GPU 领域绝对霸主的英伟达，在高算力的数据中心 GPU 以及高性能、可扩展的自动驾驶计算平台的加持下，已经建起了一个完整的集数据收集、模型训练、仿真测试、远程控制和实车应用的软件定义的自动驾驶平台，实现了端到端的完整闭环。
同时，其自动驾驶生态圈也在不断扩大，包括汽车制造商、一级供应商、传感器供应商、Robotaxi 研发公司和软件初创公司在内的数百家自动驾驶产业链上的企业已经在基于英伟达的计算硬件和配套软件开发、测试和应用自动驾驶车辆。
未来，在整个自动驾驶产业里，以计算芯片为核心优势，英伟达的触角将更加深入，有机会成为产业链条上不可或缺的供应商。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
5. 各向异性晶体电学和热力学的张量计算
张量（Tensor）是一个定义在的一些向量空间和一些对偶空间的笛卡儿积上的多重线性映射，其坐标是|n|维空间内，有|n|个分量的一种量， 其中每个分量都是坐标的函数， 而在坐标变换时，这些分量也依照某些规则作线性变换。r 称为该张量的秩或阶（与矩阵的秩和阶均无关系）。
在同构的意义下，第零阶张量 （r = 0） 为标量 （Scalar），第一阶张量 （r = 1） 为向量 （Vector）， 第二阶张量 （r = 2） 则成为矩阵 （Matrix）。例如，对于3维空间，r=1时的张量为此向量：（x,y,z）。由于变换方式的不同，张量分成协变张量 （Covariant Tensor，指标在下者）、逆变张量 （Contravariant Tensor，指标在上者）、 混合张量 （指标在上和指标在下两者都有） 三类。
在数学里，张量是一种几何实体，或者说广义上的“数量”。张量概念包括标量、向量和线性算子。张量可以用坐标系统来表达，记作标量的数组，但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中，表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。可能最重要的工程上的例子就是应力张量和应变张量了，它们都是二阶张量，对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。
虽然张量可以用分量的多维数组来表示，张量理论存在的意义在于进一步说明把一个数量称为张量的涵义，而不仅仅是说它需要一定数量的有指标索引的分量。特别是，在坐标转换时，张量的分量值遵守一定的变换法则。张量的抽象理论是线性代数分支，现在叫做多重线性代数。
6. 请就拉力为 10kN 和拉伸为 2mm 时二种情况,计算应力张量,应变张量,总 变形或总
柯西应力张量是在研究大变形时用现时构形来描述的对称应力张量。在大变形(有限变形)情况下,由于变形前的初始构形和变形后的现时构形(见弹一塑性有限元法)差别较大,这样分别定义在这两个构形上的应力张量就很必要.所谓物体的一个构形是指由连续介质构成的某一物体某瞬间在空间所占的区域.在大变形分析中柯西 (Cauchy)应力张量是一种采用欧拉描述法(是以质点的瞬时坐标砂和时间t作为自变量描述)定义在t时刻的现时构形上的应力张量di,,又称欧拉应力张量.取三维空间笛卡尔坐标系,在t时刻的现时构形中截取一个四面体素,其斜面面元为da,法线为二,另外三个面元为da;、da:和da3,与所取坐标面平行.由四面体素的平衡条件得出da上的应力为: 可摊,=外n,这里氏J~'便是柯西应力张量,它是二阶对称张量。
7. rtx3050有没有挖矿锁
rtx3050有挖矿锁。rtx显卡锁算力是为了限制一些人挖虚拟货币用的，挖矿也就是靠显卡的计算能力去计算一系列过程的过程的简称，挖矿最终得到的是虚拟货币，如比特币和ETH这些货币，挖矿会非常消耗显卡的性能和寿命。
rtx3050定义
RTX3050作为NVIDIA新一代RTX30系列GPU的“50”成员，采用最新的NVIDIAAmpere架构，拥有第二代RTCore和第三代TensorCore，能够很好的支持光线追踪技术和DLSS2X，相对于前几代的“50”系列有了较大的改变。
RTX3050GPU代号为GA106，配备了两组GPC，10组TPC，CUDA单元为2560个，TensorCore和RTCore分别为80个和20个，从规格来看大约是RTX3060的百分之70左右，频率方面，RTX3050的基础频率已经提升到了1552MHz。
8. 对于华硕3070tuf，应不应该增加rgb区域，让这个系列更炫
距离GeForce RTX 30系显卡发布已经过去了9个月，但在人们的记忆中发布会仿佛仍在昨天，在这半年多的时间中，RTX 30系显卡也在不断迭代，今天给大家带来的是华硕TUF RTX 3070 Ti O8G GAMING显卡的评测。
给大家造成显卡仍发布不久的假象，主要是因为芯片荒而导致的全球性显卡缺货，加上矿潮的影响。第一是因为发布半年多大家却买不到卡，第二是因为总有热点话题来勾起大家的记忆，久而久之玩家对于GeForce RTX 30系显卡的印象还是那个未发布的新显卡。
9. rtx4000显卡什么级别
NVIDIA®Quadro RTX™ 4000 采用NVIDIA Turing™ 架构和NVIDIA RTX 平台，可在单插槽 PCI-e 外形中提供卓越的性能和功能。
它是基于TU106核心的，整体规格跟RTX 2070显卡差不多，2304个CUDA核心，36个RT核心，还有288个Tensor核心，浮点性能7.1TFLOPS，显存容量8GB GDDR6，不过频率降至6.5Gbps。
Quadro RTX 4000 经过专门的设计、构造和测试，以适应要求苛刻的专业视觉计算工作流程。Quadro 在 OEM 工作站经过验证，并获得了专业软件应用的认可，可为专业人士提供所需的性能、稳定性和可靠性。如下图：
(9)tensor算力扩展阅读：
显卡类型：工作站显卡；显存类型：GDDR6；显卡类型：专业级；
显卡芯片：Quadro RTX 4000；显存容量：8GB；
显存位宽：256bit；电源接口：8pin；