NVIDIA用户协议限制

由于目前主流的深度学习框架基本都是基于NVIDIA的CUDA计算库实现GPU加速，而CUDA计算库支持的显卡不包括AMD等其他厂商。因此，使用个人电脑进行深度学习的用户，首先应查看主机中是否安装有NVIDIA独立显卡，而且需要到NVIDIA官网（https：//developer.nvidia.com/cuda-gpus）查看是否属于支持CUDA的显卡类型。如果是需要购置新显卡作为硬件基础，相信一些用户可能会和笔者刚刚入门深度学习一样，对NVIDIA现有的Tesla、Quadro、GeForce、TITAN等多种系列的显卡搞得晕头转向，不知如何下手，下面做一下简单介绍。

Tesla系列显卡定位于数据中心的多GPU并行计算，多采用被动散热方式布置在机架服务器上，具有性能优、功耗低、集群化等优势，但价格最为昂贵。按照NVIDIA公司2017年推出用户协议，在数据中心的CUDA只允许使用Tesla GPU而不是GTX或RTX卡。这意味着组织和大学往往出于规避法律问题被迫购买昂贵且低效的Tesla系列GPU。目前，阿里云、Amazon云的GPU服务器均采用Tesla系列显卡，高校、企业等单位私有的GPU服务器也基本都采用Tesla显卡。

Quadro系列显卡一般用于特定行业，比如设计、建筑等，作为图像处理专业显卡，价格相对Geforce系列来讲也较贵，并不适合于深度学习。

Geforce是面向大众的系列产品，因为需要和AMD的显卡竞争消费级市场，所以性价比最高，从单卡的计算性能上甚至不输Tesla系列，但稳定性、多卡并行和集群运算等其他方面不及Tesla。TITAN系列可以看作Geforce系列的升级版，能够提供更大的显存、更多的CUDA核心和更高的内存带宽，但价格较为昂贵，性价比较低。

如果是个人学习使用，推荐购买Geforce系列的显卡，但由于这种消费级的显卡更新换代快，基本每两到三年旗舰型号价格就会大幅下降，应该结合预算选择适合的显卡产品，如在2019年10000元可购买当时旗舰型号GeforceRTX2080Ti，其显存为11G。如果费用不够，可以购买8G显存的GeforceRTX2080，价格在5000元左右。甚至购置价格在1500元左右，显存为6G的GTX1060系列显卡，也能满足深度学习初学者的学习及实验需求。除价格因素以外，在配置个人深度学习主机时，还有三点需要考虑：(www.xing528.com)

（1）在图像处理领域的深度学习平台，需优先考虑显存的容量，毕竟更大的显存支持分辨率更高的图像处理，而较小的显存在应对大数据集的处理时往往会遇到瓶颈。

（2）一个Geforce系列显卡的功率在250W左右，因此在购置新机器或更换主机电源时，应该根据配置显卡的数量选择合适的电源功率，并为以后扩展显卡留有余地。

（3）因为在深度学习网络训练过程中，显卡基本处于满负荷运行，为保证系统长时间稳定运行，应考虑水冷或风冷等方式，做好主机的温度控制。