NVIDIA GPU 运算能力列表

NVIDIA vGPU License服务器及GPU驱动部署配置详解 一、背景 在Horizon Daas环境,因部分桌面虚拟机采用vGPU规格发布,因此环境中需要有GPU License服务器,完成对租户环境的GPU许可。 当配置有vGPU桌面虚拟机发起License授权请求后,授权服务器会根据License中所包含的GRID License版本,加载不同的vGPU驱动(普通驱动和专业Quodra卡驱动)。目前vPC和vApp的License对应加载的都是普通的显示驱动。 二、vGPU License服务器的工作原理 vGPU跟传统的GPU类似,具有固定数量的GPU帧缓冲器 阅读详情
AI摘要

本文介绍了 NVIDIA 支持 CUDA 的 GPU 产品,包括 Tesla、Quadro、NVS、GeForce、TEGRA /Jetson 等系列,还给出了最新信息链接。同时解答了常见问题,如如何查看电脑中的 GPU、是否为 CUDA 启用 GPU、是否有最新驱动等,并提供了获取相关产品和下载 CUDA 软件开发工具包的途径。

FROM: https://developer.nvidia.com/cuda-gpus

 

CUDA GPUs

最新信息见:https://developer.nvidia.com/cuda-gpus

NVIDIA GPUs power millions of desktops, notebooks, workstations and supercomputers around the world, accelerating computationally-intensive tasks for consumers, professionals, scientists, and researchers.

Find out all about CUDA and GPU Computing by attending our GPU Computing Webinars and joining our free-to-joinCUDA Registered developer Program.

  • Learn about Tesla for technical and scientific computing
  • Learn about Quadro for professional visualization

If you have an older NVIDIA GPU you may find it listed on our legacy CUDA GPUs page
Click the sections below to expand

************************************************************************************************************

 

//////////////////////////////////////////////////////////////////

Tesla Data Center Products

GPUCompute Capability
Tesla P1006.0
Tesla P406.1
Tesla P46.1
Tesla M405.2
Tesla M405.2
Tesla K803.7
Tesla K403.5
Tesla K203.5
Tesla K103.0

************************************************************************************************************

 

 

 

 

 

//////////////////////////////////////////////////////////////////

Quadro Mobile Products
GPUCompute Capability
Quadro K6000M3.0
Quadro M5500M5.0
Quadro K5200M3.0
Quadro K5100M3.0
Quadro M5000M5.0
Quadro K500M3.0
Quadro K4200M3.0
Quadro K4100M3.0
Quadro M4000M5.0
Quadro K3100M3.0
Quadro M3000M5.0
Quadro K2200M5.0
Quadro K2100M3.0
Quadro M2000M5.0
Quadro K1100M3.0
Quadro M1000M5.0
Quadro K620M5.0
Quadro K610M3.5
Quadro M600M5.0
Quadro K510M3.5
Quadro M500M5.0

************************************************************************************************************

 

 

 

Desktop Products

GPUCompute Capability
NVIDIA NVS 8105.0
NVIDIA NVS 5103.0
NVIDIA NVS 3152.1
NVIDIA NVS 3102.1

 

//////////////////////////////////////////////////////////////////

Mobile Products
GPUCompute Capability
NVS 5400M2.1
NVS 5200M2.1
NVS 4200M2.1

************************************************************************************************************

 

 

 

GeForce Desktop Products

GPUCompute Capability
NVIDIA TITAN X6.1
GeForce GTX 10806.1
GeForce GTX 10706.1
GeForce GTX 10606.1
GeForce GTX TITAN X5.2
GeForce GTX TITAN Z3.5
GeForce GTX TITAN Black3.5
GeForce GTX TITAN3.5
GeForce GTX 980 Ti5.2
GeForce GTX 9805.2
GeForce GTX 9705.2
GeForce GTX 9605.2
GeForce GTX 9505.2
GeForce GTX 780 Ti3.5
GeForce GTX 7803.5
GeForce GTX 7703.0
GeForce GTX 7603.0
GeForce GTX 750 Ti5.0
GeForce GTX 7505.0
GeForce GTX 6903.0
GeForce GTX 6803.0
GeForce GTX 6703.0
GeForce GTX 660 Ti3.0
GeForce GTX 6603.0
GeForce GTX 650 Ti BOOST3.0
GeForce GTX 650 Ti3.0
GeForce GTX 6503.0
GeForce GTX 560 Ti2.1
GeForce GTX 550 Ti2.1
GeForce GTX 4602.1
GeForce GTS 4502.1
GeForce GTS 450*2.1
GeForce GTX 5902.0
GeForce GTX 5802.0
GeForce GTX 5702.0
GeForce GTX 4802.0
GeForce GTX 4702.0
GeForce GTX 4652.0
GeForce GT 7403.0
GeForce GT 7303.5
GeForce GT 730 DDR3,128bit2.1
GeForce GT 7203.5
GeForce GT 705*3.5
GeForce GT 640 (GDDR5)3.5
GeForce GT 640 (GDDR3)2.1
GeForce GT 6302.1
GeForce GT 6202.1
GeForce GT 6102.1
GeForce GT 5202.1
GeForce GT 4402.1
GeForce GT 440*2.1
GeForce GT 4302.1
GeForce GT 430*2.1

************************************************************************************************************

 

5) CUDA-Enabled TEGRA /Jetson Products

 

 

GeForce Notebook Products

GPUCompute Capability
GeForce GTX 10806.1
GeForce GTX 10706.1
GeForce GTX 10606.1
GeForce GTX 9805.2
GeForce GTX 980M5.2
GeForce GTX 970M5.2
GeForce GTX 965M5.2
GeForce GTX 960M5.0
GeForce GTX 950M5.0
GeForce 940M5.0
GeForce 930M5.0
GeForce 920M3.5
GeForce 910M5.2
GeForce GTX 880M3.0
GeForce GTX 870M3.0
GeForce GTX 860M3.0/5.0(**)
GeForce GTX 850M5.0
GeForce 840M5.0
GeForce 830M5.0
GeForce 820M2.1
GeForce 800M2.1
GeForce GTX 780M3.0
GeForce GTX 770M3.0
GeForce GTX 765M3.0
GeForce GTX 760M3.0
GeForce GTX 680MX3.0
GeForce GTX 680M3.0
GeForce GTX 675MX3.0
GeForce GTX 675M2.1
GeForce GTX 670MX3.0
GeForce GTX 670M2.1
GeForce GTX 660M3.0
GeForce GT 750M3.0
GeForce GT 650M3.0
GeForce GT 745M3.0
GeForce GT 645M3.0
GeForce GT 740M3.0
GeForce GT 730M3.0
GeForce GT 640M3.0
GeForce GT 640M LE3.0
GeForce GT 735M3.0
GeForce GT 635M2.1
GeForce GT 730M3.0
GeForce GT 630M2.1
GeForce GT 625M2.1
GeForce GT 720M2.1
GeForce GT 620M2.1
GeForce 710M2.1
GeForce 705M2.1
GeForce 610M2.1
GeForce GTX 580M2.1
GeForce GTX 570M2.1
GeForce GTX 560M2.1
GeForce GT 555M2.1
GeForce GT 550M2.1
GeForce GT 540M2.1
GeForce GT 525M2.1
GeForce GT 520MX2.1
GeForce GT 520M2.1
GeForce GTX 485M2.1
GeForce GTX 470M2.1
GeForce GTX 460M2.1
GeForce GT 445M2.1
GeForce GT 435M2.1
GeForce GT 420M2.1
GeForce GT 415M2.1
GeForce GTX 480M2.0
GeForce 710M2.1
GeForce 410M2.1

************************************************************************************************************

 

6) Tegra Mobile & Jetson Products

 

 

Tegra Mobile & Jetson Products

GPUCompute Capability
Jetson TX15.3
Jetson TK13.2
Tegra X15.3
Tegra K13.2
 

 


Notes

(*) OEM-only products

(**) The GeForce GTX860 and GTX870 come in two versions depending on the SKU, please check with your OEM to determine which one is in your system.

  1. 1152 Kepler Cores with Compute Capability 3.0
  2. 640 Maxwell Cores with higher clocks and Compute Capability 5.0 or 5.2
     

Frequently Asked Questions

1) How can I find out which GPU is in my computer?

Answer:

On Windows computers:

  1. Right-click on desktop
  2. If you see "NVIDIA Control Panel" or "NVIDIA Display" in the pop-up window, you have an NVIDIA GPU
  3. Click on "NVIDIA Control Panel" or "NVIDIA Display" in the pop-up window
  4. Look at "Graphics Card Information"
  5. You will see the name of your NVIDIA GPU

On Apple computers:

  1. Click on "Apple Menu"
  2. Click on "About this Mac"
  3. Click on "More Info"
  4. Select "Graphics/Displays" under Contents list

2) Do I have a CUDA-enabled GPU in my computer?

Answer: Check the list above to see if your GPU is on it. If it is, it means your computer has a modern GPU that can take advantage of CUDA-accelerated applications.

3) How do I know if I have the latest drivers?

Answer: Go to www.nvidia.com/drivers

4) How can I obtain a CUDA-enabled GPU or system?

Answer:
For Tesla for HPC and supercomputing applications, go to www.nvidia.com/object/tesla_wtb.html
For GeForce for entertainment, go to www.nvidia.com/object/geforce_family.html
For Quadro for professional visualization, go to www.nvidia.com/object/workstation_wheretobuy.html

5) How can I download the CUDA software development kit?

Answer: Go to CUDA Development Tools.

 

 

5)

 

Windows安装NVIDIA显卡CUDAD调用GPU,适用于部署deepseek r1 主流的深度学习框架也都是基于CUDA进行GPU并行加速的,几乎无一例外。还有一个叫做cudnn。在NVIDA官网列表中,查看自己的显卡型号是否在NVIDA列表中,若存在则可以下载cuda实现GPU加速,这里可以看到我的显卡计算力为7.5,当然如果你的显卡运算能力在3.0以下,那没有适合你的cuda版本。显卡:(GPU),主流是NVIDIA的GPU,因为深度学习本身需要大量计算。GPU的并行计算能力,在过去几年里恰当地满足了深度学习的需求。驱动:没有显卡驱动,就不能识别GPU硬件,不能调用其计算资源。 阅读详情

相关推荐

NVIDIA显卡算力表--nvidia显卡算力表

参考链接:https://blog.youkuaiyun.com/qq_41070955/article/details/108269915。官方链接:https://developer.nvidia.com/cuda-gpus。

pvmsmfchcs的博客 8753

GPU运算能力对比

1080TI ~/NVIDIA_CUDA-8.0_Samples/7_CUDALibraries/batchCUBLAS$ export CUDA_VISIBLE_DEVICES=0 ~/NVIDIA_CUDA-8.0_Samples/7_CUDALibraries/batchCUBLAS$ ./batchCUBLAS -m1024 -n1024 -k1024 batchCUBLAS St...

zhiliu的专栏 1万+

NVIDIA显卡 - CUDA算力总结概览

NVIDIA显卡 - CUDA算力总结概览

yohnyang的博客 9106

NvidiaGeForce系列显卡算力表(sm表)

更新于2024.1.11。

guangqianzhang的博客 1万+

机器视觉工程师必须知道GPU显卡算力一览选型

机器视觉工程师必须知道GPU显卡算力一览选型

视觉人机器视觉的博客 1786

深入解析:el-table合并单元格

  在企业级应用开发中,我们经常需要处理复杂的数据展示需求。在构建复杂的数据展示后台时,我们常常需要将表格中具有相同属性的行进行视觉上的合并,以提升信息的聚合度和可读性。在 Element Plus 的 el-table 组件中,span-method 属性是实现单元格合并的核心机制,允许开发者自定义单元格的合并逻辑,开发者可以通过实现自定义合并策略来满足各种负责需求。  合并行的本质是通过计算相邻行数据的相似性,确定满足合并的单元格范围,然后通过 DOM 操作将多个单元格合并为一个。这种操作在前端数据可视

独泪了无痕 228

使用 NVIDIA GPU加速大模型推理运算

本文介绍了在Windows系统下使用NVIDIA GPU加速大模型推理运算的配置方法。核心步骤是通过设置环境变量CUDA_VISIBLE_DEVICES来指定使用的GPU设备。文章提供了三种配置方式(CMD、PowerShell和图形界面),其中CMD方式最为简洁。配置完成后,重新启动Ollama进程即可启用GPU加速。文中强调该变量是官方唯一确认有效的GPU配置参数,并澄清了其他网传环境变量的不确定性。同时提供了GPU序号和UUID的查看方法,以及强制使用CPU的设置方式(设为-1)。注意事项包括需要预先

m0_66434421的博客 682

QT实现HTTP文件(夹)下载的完整流程与实战技巧

本文详细介绍了使用QT框架实现HTTP文件和文件夹下载的完整流程与实战技巧。通过QNetworkAccessManager等核心类,讲解了从单文件下载、大文件处理、进度显示、暂停/取消功能,到复杂的文件夹下载策略。文章重点剖析了断点续传、错误处理与网络健壮性等关键问题,为C++桌面应用集成稳定高效的下载功能提供了专业指导。

weixin_29239279的博客 277

如何在NVIDIA显卡上启用PyTorch GPU加速?详细检测与配置指南

本文系统讲解如何在NVIDIA显卡上启用PyTorch的GPU加速,涵盖CUDA环境检测、驱动与版本匹配、容器化部署及常见陷阱规避。通过实际代码示例和运维建议,帮助开发者快速实现从CPU到GPU的高效切换,避免因环境问题导致的静默降级。

weixin_36019375的博客 732

STM32F103C8T6与OV7670摄像头在TFT屏上的实时数字识别系统实现

本文详细介绍了基于STM32F103C8T6单片机和OV7670摄像头实现实时数字识别系统的全过程。系统通过图像采集、预处理、二值化和模板匹配算法,在TFT屏上实时显示识别结果,并针对资源受限的单片机环境提供了内存与性能优化策略,适用于智能家居、工业仪表读数等低成本嵌入式视觉应用场景。

open4的博客 278

Vue和Vue-Element-Admin(六):集成中的CORS(跨域资源共享)问题

在vue-element-admin登录集成时候碰到跨域资源共享问题,CORS(Cross-origin resource sharing)是浏览器的技术规范,浏览器可以发起跨域请求但Javascript脚本不能,传统的ajax只能获取在同域名下的资源,但Html5允许ajax发起跨域请求,解决方案有:JSONP、Flash、IFrame、CORS。 一、CORS(跨域资源共享)问题 针对vue-element-admin的登录模块的后端接口完成后,前端调用时候出现报错,因为前端的端口是9527而后.

叶子叶来 9611

NVIDIA显卡及架构介绍

【版权申明】未经博主同意,谢绝转载!(请尊重原创,博主保留追究权); 本博客的内容来自于:; 学习、合作与交流联系q384660495; 本博客的内容仅供学习与参考,并非营利; 文章目录一、NVIDIA显卡系列:二、架构排序(时间顺序):三、如何确定我的计算机上搭载了哪款 GPU?四、linux下查看GPU版本和详情信息1、查看CUDA版本2、查看cudnn版本3、查看GPU版本信息和使用情况4、查看GPU型号五、CPU,GPU,TPU,NPU都是什么?参考资料 一、NVIDIA显卡系列: Tegr.

qq_44159782的博客 1万+

Sigrity Power DC Single-BoardPackage IR Drop Analysis模式进行单板压降仿真分析操作指导

如果需要单独对某个via设置参数,右侧选择Setup by padstack,下方下拉选择某个via,单独设置参数即可。举例:板厚1.6mm,内层1OZ(1.2mil,即0.03mm),铜皮宽度1mm,20度温升,允许通流I为2.5A。目的是模拟实际情况,via的孔壁电镀1mil,中间是空心的,让via不完全被填充金属成为实心via。Upper/lower Tolerance:上下公差,设置为5%,也就是压降允许的范围。电流密度计算公式:J=I/A(J为电流密度,I为电流,A为横截面积)

weixin_54787054的博客 695

check your GPU Compute Capability| 2021 英伟达 GPU 的计算能力排名

2021 英伟达 GPU 的计算能力排名

专注于AI领域前沿技术学习与分享:目标检测、图像修复、超分重建、AI工程化 4081

【Unity3D框架】GameFramework框架完全教程《全网最全》-专栏文章目录

最近准备学习框架,了解到GameFramework框架是国产Unity3D框架,准备学习一下,但是奈何全网关于这个框架的教程实在太少。为了让自己学习方便一些,也为了让后来者乘凉。将框架以自己的理解整理目录,并且补全教程。觉得教程有帮助别忘了一键三连哦。

优快云博客专家,Unity3D高级软件工程师,《Unity 3D从入门到实战》作者。 2万+

【如何学习CAN总线测试】——Python+Robot Framework框架实现UDS诊断自动化

由于项目需要进行UDS诊断测试,所以对这方面进行了研究学习,网上很少能查询到相关资料,故记录一下UDS自动化测试开发过程,由于保密原则,案例都是Demo,希望能帮到感兴趣的朋友。

测试领域技术分享 7464

NVIDIA GPU P2P通信架构深度解析:5大策略提升多GPU系统性能

open-gpu-kernel-modules是NVIDIA推出的开源GPU内核模块项目,为Linux系统提供了高性能的GPU内核驱动支持,特别在GPU Peer-to-Peer(P2P)通信方面实现了突破性的优化。该项目通过开源内核模块的方式,让开发者和系统架构师能够深入理解并优化多GPU系统的通信性能,为AI训练、科学计算和大规模并行处理提供了坚实的技术基础。 ## 🚀 多GPU通信架构设

gitblog_00636的博客 916

【GlobalMapper精品教程】084:tif(tfw)、jpg(jgw)、png(pgw)的区别与联系

摘要:本文介绍了TFW、JGW、PGW等地理参考文件的基本原理和应用。这些文件通过简单的文本格式存储栅格图像的地理坐标信息,适用于平面坐标系下的GIS数据处理。文章详细说明了文件各行的含义,并提供了在ArcGIS和Globalmapper中生成这些文件的具体操作步骤,包括导出TIFF、JPG、PNG格式时勾选生成对应坐标文件的选项。这些文件虽然简单易用,但仅适用于平面坐标系,且功能相对有限。配套视频教程提供了更详细的操作演示。

智慧空间实验室 2399

GPU 算力评估软件 一个功能强大的GPU性能测试和监控软件,支持NVIDIA、AMD和Intel GPU

摘要:GPU 算力评估软件是一款跨平台工具,支持NVIDIA/AMD/Intel GPU的性能测试与监控。核心功能包括:多类型基准测试(矩阵运算、FFT、卷积等)、实时监控GPU状态、多卡测试支持、结果导出与历史对比。采用PySide6现代化UI,支持插件化扩展。支持Windows/Linux系统,需Python 3.8+环境,提供自动安装脚本和详细使用文档。开发者可基于模块化架构进行二次开发,包含完整的测试框架和代码规范检查工具。

weixin_38644457的博客 1564

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

GPU Burn:专业级多GPU压力测试完整指南

在现代计算领域,GPU已成为高性能计算的核心组件。无论是深度学习训练、科学模拟还是图形渲染,GPU的稳定性都直接关系到整个系统的可靠性。GPU Burn作为一款专业的CUDA压力测试工具,通过极限负载测试帮助用户发现潜在硬件问题,确保GPU在重压环境下依然坚如磐石。 ## 🚀 项目概述与核心价值 GPU Burn是一款专为NVIDIA GPU设计的**多设备并发压力测试工具**。它通过高强度

gitblog_00116的博客 2730

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Win10上配置tensorflow(GPU版本)--NVIDIA 驱动+CUDA+cuDNN运算开发环境

安装tensorflow-gpu版本对应cuda和cudnn版本参考 https://tensorflow.google.cn/install 我已下面红框的版本为例,我的显卡是GTX1050显卡(该显卡是入门级显卡,在深度学习方面远远不够,环境配好之后只是在笔记本上调代码,没有bug后拷贝到服务器上去跑) 1.安装vs2013、2015或者2017 2. 安装显卡驱动 2.1 查看显卡型号。 右键计算机->设备管理器->显示适配器 我的电脑的GPU是NVIDIA GeForce

Luke8844的博客 1475

llama.cpp CUDA 编译全攻略:从 nvcc 报错到 NVIDIA GPU 加速部署

llama.cpp 是 C/C++ 写的 LLM 推理引擎,接 NVIDIA 显卡后速度明显提升。不少人一做 llama.cpp CUDA 编译 就被 nvcc 报错、架构告警卡住。本文按自检、编译、排错、调优、验证五步带你跑通。 ## 🔍 第一步:编译前的环境自检清单 编译失败里的大半问题,其实在敲 CMake 之前就能预判。 ### 三条命令确认工具链状态 ```bash nvcc

gitblog_00470的博客 886

Tensorflow GPU支持

要想使你的电脑支持GPU运算(只适用NVIDIA)就必须相关的驱动程序。 强烈建议Linux用户: 为了简化安装并避免库冲突,建议您使用支持 GPU 的 TensorFlow Docker 映像。 硬件要求 系统支持以下支持 GPU 的设备: CUDA® 计算能力为 3.5 或更高的 NVIDIA® GPU 卡。请参阅支持 CUDA 的 GPU 卡列表。 软件要求 必须在系统中安装以下 NVIDI...

jiujiangluck的博客 821
上一篇: A study on face morphing algorithms
下一篇: 硬盘开盘换磁头
凌风探梅
博客等级 码龄19年 2575粉丝 113原创
评论 17
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值