DNN算力

1. 人工智能未来的发展前景怎么样

人工智能产业链分为基础层、技术层和应用层。基础层是人工智能产业链的基础，为人工智能提供算力支撑和数据输入，中国在此领域发展时间较短，基础层发展较为薄弱。目前，中国的人工智能企业主要集中在北京、广东、上海和浙江，北京的人工智能发展已经步入快车道。

人工智能产业链全景梳理：基础层发展薄弱

基础层主要提供算力和数据支持，主要涉及数据的来源与采集，包括AI芯片、传感器、大数据、云计算、开源框架以及数据处理服务等。技术层处理数据的挖掘、学习与智能处理，是连接基础层与具体应用层的桥梁，主要包括机器学习、深度学习、计算机视觉、自然语言处理、语音识别等。应用层针对不同的场景，将人工智能技术进行应用，进行商业化落地，主要应用领域有驾驶、安防、医疗、金融、教育等。

—— 更多数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》

2. 深度学习显卡怎么看CUDA compute capability

该项目的计算力，GTX1080TI算力6.1/3.7，约K80的1.64倍
目前深度学习比较热门的卡：RTX2080TI，RTX2070（多路），GTX1080TI目前退市不容易买到多张。（二手另说）
*CUDA平台的深度学习，显卡主要看：单精度浮点运算，显存，Tensor Core（图灵架构与伏特架构才有，RTX系列与TITAN V）
*Tesla主要稳定性与一些特殊功能上,双精度（目前这个深度学习用的少），跑单精度与半精度浮点运算优势不大，价格昂贵（想要超过GTX1080TI算力，需要Tesla V100，一张几万）

3. 人工智能，大数据与深度学习之间的关系和差异

说到人工智能(AI)的定义，映入脑海的关键词可能是“未来”，“科幻小说”，虽然这些因素看似离我们很遥远，但它却是我们日常生活的一部分。语音助手的普及、无人驾驶的成功，人工智能、机器学习、深度学习已经深入我们生活的各个场景。例如京东会根据你的浏览行为和用户的相似性，利用算法为你推荐你需要的产品；又比如美颜相机，会基于你面部特征的分析，通过算法精细你的美颜效果。还有众所周知的谷歌DeepMind，当AlphaGo打败了韩国职业围棋高手Lee Se-dol时，媒体描述这场人机对战的时候，提到了人工智能AI、机器学习、深度学习等术语。没错，这三项技术都为AlphaGo的胜利立下了汗马功劳，然而它们并不是一回事。

人工智能和机器学习的同时出现，机器学习和深度学习的交替使用......使大部分读者雾里看花，这些概念究竟有何区别，我们可以通过下面一个关系图来进行区分。

图二：数据挖掘与机器学习的关系

机器学习是数据挖掘的一种重要方法，但机器学习是另一门学科，并不从属于数据挖掘，二者相辅相成。数据挖掘是机器学习和数据库的交叉，主要利用机器学习提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。

不管是人工智能、机器学习、深度学习还是数据挖掘，目前都在解决共同目标时发挥了自己的优势，并为社会生产和人类生活提供便利，帮助我们探索过去、展示现状、预测未来。

4. 什么是人工智能的深度学习

深度学习是一种算法革命，带来了人工智能的快速发展和应用，解决了视频、图像、声音、语言和文本的处理，在一定程度上达到了人类辨识或认知对象物体的水平。

深度学习只是机器学习的一个子领域，是受到大脑的结构和功能所启发的人工神经网络的一种算法。深度学习只是需要非常大的神经网络上训练更多的数据，需要更强大的计算机和算力。

如果我们构建更大的神经网络（更多的隐含层10-100，甚至更多的）并训练喂给模型越来越多的数据时，深度学习的性能会不断提高。这与其他传统机器学习算法通常不同，深度学习技术在性能上将达到了一个新的高度。

希望人工智能可以再次改变世界！

5. 3060显卡在深度学习中处于什么地位呢

中高档次。

RTX 3060 Ti则是因为采用了跟RTX 3070同款的GPU核心，在性能上是比RTX 3060高出很多的。RTX 3060凭借着更先进的第二代RT Core，拉大了自己与RTX 2060 SUPER的距离，因此从跑分上看RTX 3060在传统性能上领先RTX 2060 SUPER的幅度较小，而光追游戏中则可以拉开较大的差距。

3060显卡的特点

3060其实之所以那么受关注，主要原因还是之前老黄说挖矿性能被限制了，同时还推出了自己家的新矿卡。但是3060限制挖矿以后，ETH算力是大幅度降低，大概在22左右，而性能相当的2070s大概是40左右，所以3060的挖矿能力确实被削弱了。

不过这个削弱大概只是在eth上，外媒有拿到3060的用户发现，这块显卡在其他虚拟币上的算力有不俗的表现，比如采用Octopus算法的CFX，单卡算力就还能达到45MH/s，和此前的RTX3060Ti（47MH/s）相差无几。

6. 深度学习做人脸识别，和传统方式比有啥好处

深度学习的算法可以对人的表情和声音特质进行分析判断，多模态的分析模式。

7. rtx3080ti对cpu有要求吗

咨询记录 · 回答于2021-08-05

8. 深度学习的好处

深度学习的主要优点如下：
优点1：学习能力强
从结果来看，深度学习具备很强的学习能力，表现非常好。
优点2：覆盖范围广，适应性好
深度学习的神经网络层数很多，宽度很广，理论上可以映射到任意函数，所以能解决很复杂的问题。
优点3：数据驱动，上限高
深度学习高度依赖数据，数据量越大，它的表现就越好。在图像识别、面部识别、NLP 等领域表现尤为突出。
优点4：可移植性好
由于深度学习的优异表现，很多框架都可以使用，例如 TensorFlow、Pytorch。这些框架可以兼容很多平台。
深度学习也是有缺点的：
缺点1：计算量大，便携性差
深度学习需要大量的数据与算力，所以成本很高。而且现在很多应用还不适合在移动设备上使用。目前已经有很多公司和团队在研发针对便携设备的芯片。
缺点2：硬件需求高
深度学习对算力要求很高，普通的CPU已经无法满足深度学习的要求。
缺点3：模型设计复杂
深度学习的模型设计非常复杂，需要投入大量的人力物力和时间来开发新的算法和模型。大部分人只能使用现成的模型。
缺点4：没有”人性”，容易存在偏见
由于深度学习依赖数据，并且可解释性不高。在训练数据不平衡的情况下会出现性别歧视、种族歧视等问题。

9. 深度学习显卡用amd还是英伟达

深度学习显卡用英伟达比较好。

NVIDIA使用的人较多，所以网上的资源也比较多，容易学习和构建。而AMD的显卡，由于很迟才推出它的编程架构，用的人比较少，所以网上的资料较少，所以很难去学习。NVIDIA在深度学习训练方面的领先地位在MLPerf 0.6中得到了证明，这是AI训练的第一项行业级基准测试。

深度学习显卡的选择：

1、选择算力在5.0以上的

根据官方说明，在GPU算力高于5.0时，可以用来跑神经网络。算力越高，计算能力越强，建议小伙伴们在资金充足的情况下，尽量买算力高一些的。

2、尽量选择大显存

显存越高，意味着性能越强悍。特别是对于CV领域的朋友们，建议至少有一个8GB显存的显卡。下面是英伟达的部分中高端显卡的一些性能参数。

3、GPU几个重要的参数

GPU架构：

不同款的GPU可能采用不同设计架构，比如GeForce 10系列的GTX 1080/1080Ti采用的是Pascal架构，而GeForce 20系列的RTX 2080/2080Ti采用的是Turing架构。不同架构的GPU，即使其他参数差不多，性能差别可能非常大。

显存带宽：

代表GPU芯片每秒与显存交换的数据大小，这个值等于显存位宽＊工作频率，单位为GB/秒，该值越大，代表GPU性能越好。Geforce GTX 1080的显存带宽为320GB/秒，而它的升级版Geforce RTX 2080的带宽为448GB/秒。

显存位宽：

代表GPU芯片每个时钟周期内能从GPU显存中读取的数据大小，这个值越大代表GPU芯片和显存之间数据交换的速度越快，性能越好。Geforce GTX 1080的显存位宽为256bit，Geforce RTX 2080Ti显存位宽为352bit。

GPU工作频率：

代表GPU每秒钟工作次数，单位为MHz，跟CPU的频率类似。该值越大代表性能越好。

CUDA核心数量：

CUDA核心数量越大越好，Geforce GTX 1080的CUDA核心数量是2560个。而Geforce RTX 2080Ti的CUDA核心数高达4352个。

功耗：

GPU能耗，像Geforce这种消费级的显卡一般功耗非常高，Geforce GTX 1080的最大功耗为175W，Tesla P4的最大功耗为75W。像那种数据中心大规模级别的GPU部署，低功耗的显卡一年电费能省很多。

10. 锁算力的显卡对深度学习有影响吗

没有影响，显卡锁算力，是当显卡开始运行挖矿软件，进行哈希算法的时候（以太坊算法）显卡就会自动降低显存频率来锁住算力。

对于游戏玩家来说，平时不运行挖矿软件是不会对于显卡性能有影响的。

硬件驱动双锁算力是基于监测虚拟货币的算力砍半，并非日常使用也无脑砍半，所以玩家日常使用的话完全不用担心性能损失。全新的 LHR 核心仅仅是针对虚拟货币进行了哈希率限制，日常使用以及打游戏则完全不受影响。

显卡性能：

一、先看显存

在挑选电脑时听导购员说的最多的就是大显存好，其实这个观点又对又不对，咱们先来说说它为什么是对的。

显存就好像cpu的运行内存一样是非常重要的，显示画面中的各种图形都会在这里短暂的储存并交由显卡芯片进行处理，所以通常来说确实是越大越好，大的显存可以存储更多的数据供显卡芯片处理，你所看到的画面也会更加的流畅。

二、看传输方式

在这里就会涉及到光看显存为什么是不对的了，现在通用的显卡信息传输方式有ddr3和ddr5。如果将显存比作装满水的水池，将显卡芯片比作空水池的话，那么传输方式就是在二者之间联通的水管 。