1樓：麗台科技
深度學習是乙個計算需求非常強烈的領域，GPU執行的是平行計算，擁有更多的運算單元和浮點計算能力，另外，GPU顯示卡往往擁有更大頻寬的視訊記憶體，在大吞吐量的應用中也會有很好的效能。這就意味著GPU更擅長深度學習，深度學習由多層的神經網路組成，這些神經網路包含很多權重和偏置，也就是許多巨大的浮點矩陣，因而深度學習需要更大的記憶體頻寬訪問這些網路，也需要進行大量的浮點運算，所以說，GPU的選擇基本上決定你的深度學習研究過程體驗。沒有GPU的情況下，等待乙個實驗完成往往需要很長時間，可能是一天，幾天甚至更長的時間，而選擇GPU顯示卡以後，則可以快速迭代深度學習網路，幾個月的實驗可以在及天之內跑完。
至於選擇什麼顯示卡，需要看具體的預算和應用方向需求。
2樓：HuanJ
通俗點說
大型遊戲需要強一點的電腦才能執行流暢吧
深度學習也是一樣，都需要強力的計算機算力
一般深度學習需要大量的核心來提供算力，恰好「動不動就幾百幾千個核心」顯示卡就符合這個設定。一般架構越新，核心越多，效能就越強，所以為什麼需要更強的顯示卡才能深度學習。
打個不科學的深度學習比喻：同一張畫，要記住它的所有特徵，是不是成千個人記的速度要遠比十幾個人百來個人記得快的多？
3樓：當乙隻貓
算力問題，輕薄本的顯示卡和CPU相比遊戲本差不少
雖然遊戲本宣傳的是遊戲效能，可是遊戲本一般搭配的顯示卡效能相對較高（GTX1650/60、RTX2060/70），以N卡為例，N卡的專業顯示卡RX系除了在某幾個專業軟體的優化和視訊記憶體上比RTX20/30系有優勢，在其它方面基本沒有優勢；還有在輕薄本上搭配的MX350/450，效能還沒有GTX1060強
平面設計軟體（ps，cad等）對顯示卡的要求高嗎？
JS空間 平面設計類軟體需要記憶體大，CPU處理快速，顯示卡好壞並不是第一要素 3Dmaxs跑效果圖感覺用I7整合卡也很不錯，專業卡與整合卡的明顯區別我覺得在建模等操作的時候比較明顯，當然如果追求速度的話，建議還是選專業顯示卡 我這裡以前實測過。在i7 4790K，8G記憶體下，用cad2014開了...
深度學習為什麼go deeper go better？
這個要是從運算的觀點考慮，其實蠻好理解的。先說乙個前提，神經網路可以看做對一系列未知運算的擬合。每個層網路能擬合的運算複雜度是有限的。從動態規劃的角度來看，無論什麼問題，都可以看做一步一步的基本運算，那麼越複雜的問題往往複雜度越高。還是用簡單一點的話來說，割圓術 有乙個圓，想求得周長，假設咱們不知道...
對於桌面虛擬化，我想問，如果是對顯示卡要求高的，比如圖紙設計，影象處理之類的， 用桌面虛擬化靠譜嗎？
VMware和Nvidia有共同做解決方案 還比較成熟了。主要是針對製造業工廠這種對AutoCAD這類軟體可以做桌面虛擬化了 堅堅 顯示卡虛擬化已經是很成熟的解決方案了，我們給很多3D設計類公司做過這樣的解決方案。顯示卡虛擬化解決方案的難點不是技術的成熟，而是成本，相比較於傳統工作站，顯示卡虛擬化的...