cudnn版本gpu架构

nvcc --help 可以看 --gpu-architecture 写到的支持的架构

NVIDIA 的 GPU 架构是按代次发布的,以下是这些架构的对应说明:

  1. NVIDIA Hopper: 这是 NVIDIA 于 2022 年推出的架构之一,面向高性能计算(HPC)和人工智能(AI)的任务。
  2. NVIDIA Ada Lovelace: 这是 NVIDIA 最新发布的架构之一,大约在 2022 年推出,主要针对消费级市场和游戏,代表性的 GPU 如 GeForce RTX 40 系列。
  3. NVIDIA Ampere: 于 2020 年推出,是广泛应用于数据中心、AI 推理、训练以及高端消费者级 GPU 市场的架构,如 GeForce RTX 30 系列、A100 等。
  4. NVIDIA Turing: 于 2018 年推出,首个支持实时光线追踪(Ray Tracing)的消费级架构,如 GeForce RTX 20 系列。
  5. NVIDIA Volta: 于 2017 年推出,主要用于数据中心和深度学习的架构,代表性的产品如 Tesla V100。
  6. NVIDIA Pascal: 于 2016 年推出,广泛用于各种应用场景,包括消费级显卡和数据中心,如 GeForce GTX 10 系列和 Tesla P100。
  7. NVIDIA Maxwell: 于 2014 年推出,这一架构在性能和能效方面有显著提升,代表性的产品如 GeForce GTX 900 系列。

这些架构依次构成了 NVIDIA 在过去几年的技术进步,涵盖了从游戏到专业计算的不同市场。

相关推荐
IT修炼家5 天前
auto-gptq安装以及不适配软硬件环境可能出现的问题及解决方式
大模型·cuda·auto-gptq
爱听歌的周童鞋5 天前
Depth-Anything推理详解及部署实现(下)
tensorrt·cuda·deploy·mde·depth anything
因为风的缘故~6 天前
Ubuntu22.04安装cuda12.1+cudnn8.9.2+TensorRT8.6.1+pytorch2.3.0+opencv_cuda4.9+onnxruntime-gpu1.18
pytorch·深度学习·tensorrt·cuda·anaconda·cudnn
ai-guoyang6 天前
tensorflow gpu版安装(直接anaconda虚拟环境中配置cuda,无需主机安装cuda、cudnn)
深度学习·tensorflow·cuda·anaconda
self-motivation6 天前
gpu硬件架构
硬件架构·gpu·nvidia·tensor·cuda
枫舞雪域7 天前
Ubuntu22.04安装英伟达驱动
linux·笔记·cuda·isaacsim·iassclab
爱串门的小马驹11 天前
CUDA 计时功能,记录GPU程序/函数耗时,cudaEventCreate,cudaEventRecord,cudaEventElapsedTime
cuda
程序员非鱼12 天前
深入解析神经网络的GPU显存占用与优化
人工智能·深度学习·神经网络·机器学习·nvidia·cuda
kolaseen14 天前
NCU使用指南及模型性能测试(pytorch2.5.1)
pytorch·python·深度学习·docker·gpu·cuda·ncu