一、深度学习与GPU
深度学习由多层的卷积神经网络组成，这些神经网络包含很多权重和偏置参数。简单来说，内部是大量的浮点矩阵。这就意味着，深度学习需要大量的内存带宽来计数这些网络，需要进行大量的浮点运算。CPU是为通用运算设计的，而GPU更擅长并行的浮点计算。因此无论从训练还是实际应用中，GPU具备更高的计算性能。
二、VisionMaster各模块的基本硬件要求
目前最新版本算法平台软件是VisionMaster3.4.0
| VM3.3.1 | |||||||
| 项目 | 字符定位 | 字符识别 | 图像分割 | 图像分类 | 目标检测 | 单字符识别 | |
| 模型训练显存要求 | ≥6G | ≥4G | ≥8G | ≥6G | ≥8G | ≥6G | |
| 推理运行显存-GPU版本 | ≥2G | ≥2G | ≥4G | ≥1G | ≥2G | ≥2G | |
| 推理运行-CPU版本 | 支持 | 不支持 | 不支持 | 支持 | 支持 | 支持 | |
| VM3.4.0 | |||||||
| 项目 | 字符定位 | 字符识别 | 图像分割 | 图像分类 | 目标检测 | 图像检索 | 单字符识别 |
| 模型训练显存要求 | ≥6G | ≥4G | ≥8G | ≥6G | ≥8G | ≥4G | ≥6G |
| 推理运行显存-GPU版本 | ≥2G | ≥2G | ≥4G | ≥1G | ≥2G | ≥2G | ≥2G |
| 推理运行-CPU版本 | 支持 | 支持 | 不支持 | 支持 | 支持 | 支持 | 支持 |
三、市场上英伟达显卡清单
1、目前VM算法平台仅支持英伟达系列显卡，其余显卡暂时不支持使用深度学习模块；
2、常见的显卡配置清单如下，用户可根据模型使用需求进行相应的硬件选择，海康机器人提供整套PC主机和显卡搭配整机及相关配套硬件，解决您如何进行硬件选型的烦恼；
| 显卡型号 | 显存容量 | 显卡型号 | 显存容量 | ||
| TiTan系列 | Titan RTX | 24G | 20系列 | RTX 2080 Ti | 11G |
| Titan V | 12G | RTX 2080 Super | 8G | ||
| Titan Xp | 12G | RTX 2080 | 8G | ||
| Titan X | 12G | RTX 2070 Super | 8G | ||
| 30系列 | RTX 3090 | 24G | RTX 2070 | 8G | |
| RTX 3080 | 10G | RTX 2060 Super | 8G | ||
| RTX 3070 | 8G | RTX 2060 | 6G | ||
| RTX 3060 Ti | 8G | 10系列 | GTX 1080 Ti | 11G | |
| RTX 3060 | 12G | GTX 1080 | 8G | ||
| 16系列 | GTX 1660 Ti | 6G | GTX 1070 Ti | 8G | |
| GTX 1660 Super | 6G | GTX 1070 | 8G | ||
| GTX 1660 | 6G | GTX 1060 6GB | 6G | ||
| GTX 1650 Super | 4G | GTX 1060 3GB | 3G | ||
| GTX 1650 GDDR6 | 4G | GTX 1050 Ti | 4G | ||
| GTX 1650 | 4G | GTX 1050 3GB | 3G | ||
| GTX 1050 | 2G |
3、目前VM算法平台不仅支持本地PC主机（主机+独立显卡）训练，还支持云服务器训练（仅需要主机，无显卡要求），满足客户使用要求；
