Nvida GEforce GTX 1650支持CUDA吗?

whoispo 2019-07-17 09:46:02
我的笔记本显卡为GTX 1650,官网上给出的支持CUDA的型号列表中不包括这款显卡(见图1)。但是NVIDA显卡控制面板中的系统信息里又包含CUDA核心(见图2和图4)。我自己用GPU-Z测试了,也支持CUDA(见图3)。这款显卡到底支持不支持CUDA编程开发呀? 请各位大牛帮我解惑。

我后面下载了Cuda 10.1,在Visual studio新建了Cuda工程,编译生成exe没有问题。运行的时候,发现调用cudaGetDeviceCount(&n)返回的n=0。这样看是没有Cuda Device啊,但是Nvida的控制面板和GPU-z中的Cuda又是什么呢?


...全文
25074 12 打赏 收藏 转发到动态 举报
写回复
用AI写文章
12 条回复
切换为时间正序
请发表友善的回复…
发表回复
  • 打赏
  • 举报
回复

其实显卡占用率不是这么算的,你程序调用显卡的cuda在狂跑,你占用3%的时候打开任务管理器选中显卡,把其中一个改成cuda看看,基本是100%

零壹博弈 2020-08-16
  • 打赏
  • 举报
回复
我的就是1650的卡,其实1650的卡跑起来没啥问题,不行的话,就换用Tensorflow2.x版本的,虽然和1.x区别很大,但我估计你学1.x版本也是刚开始学,不如先入坑2.x,安装很方便,学起来也不算吃力。pytoch1.6也完美支持。搭配cuda10.1,cudnn765 你可以参考下我的博文:https://blog.csdn.net/weixin_45709671/article/details/107448136
杰尼龟25 2020-08-08
  • 打赏
  • 举报
回复 4
我的也是GTX1650显卡,然后我的cuda和cudnn也都配置成功,但运行程序的时候就是不能使用GPU加速,不知道你最后解决这个问题了吗,如果解决了,麻烦教一下小弟,拜托了
ChshuoComing 2021-12-20
  • 举报
回复
@杰尼龟25 我安装cuda总是出错请教一下你是为什么么?
双倍芝士 2020-06-21
  • 打赏
  • 举报
回复
引用 4 楼 CCDDzclxy 的回复:
不好意思,有点挖坟了,但是 我也遇到了这个问题,官网上现在还是没有 1650显示出来啊(https://developer.nvidia.com/cuda-gpus#compute),而且 我的就是 1650的显卡,配置什么的 都没问题,训练也OK 没有报错(我弄的是 object detect的训练),但是就是一点:训练的时候,Python进程不占用GPU,总体GPU都是3%以下,基本就不在用GPU,CPU基本100%(信息是Win10的"任务管理器"里面看的) 感觉就是 配好了,但是 根本就没有去用这个显卡啊,你们的现象是什么?? PS:我配了另外一台机子 gtx 1060,就是好好的,OS:Win7, 用 nvida-smi看GPU都是在用的,占用率 70%左右;CPU也不会是满的状态
很多显卡型号官网都没有更新的,只要NVIDIA控制面板信息里有写cuda的都可以。我的是笔记本mx150,官网支持列表上同样没有列出,但是驱动里面有注明,下了cuda11.0,改了dll文件以后一样可以跑TensorFlow,占用率也就是百分之十左右,但是2g的显存会占到1.7g,说明是有调用gpu加速的。
CCDDzclxy 2020-04-16
  • 打赏
  • 举报
回复
不好意思,有点挖坟了,但是 我也遇到了这个问题,官网上现在还是没有 1650显示出来啊(https://developer.nvidia.com/cuda-gpus#compute),而且 我的就是 1650的显卡,配置什么的 都没问题,训练也OK 没有报错(我弄的是 object detect的训练),但是就是一点:训练的时候,Python进程不占用GPU,总体GPU都是3%以下,基本就不在用GPU,CPU基本100%(信息是Win10的"任务管理器"里面看的) 感觉就是 配好了,但是 根本就没有去用这个显卡啊,你们的现象是什么?? PS:我配了另外一台机子 gtx 1060,就是好好的,OS:Win7, 用 nvida-smi看GPU都是在用的,占用率 70%左右;CPU也不会是满的状态
windsfoxes 2021-08-17
  • 举报
回复
@CCDDzclxy 老哥,我也是一样的,用网上的测试代码,gpu都是在使用的,一跑object detect就只用cpu了,宁解决了吗?
韩@csdn 2020-01-14
  • 打赏
  • 举报
回复 4
支持。 Both the GTX 1050ti and GTX 1650 support CUDA, and either is new enough to be supported by TensorFlow. The 1050ti has compute capability (CC) 6.1 and the 1650 has CC 7.5. Tensorflow currently requires CC 3.5. If you are planning to run training (rather than just inference), you will want to make sure the frame buffer is large enough to support your models of interest. 详见: https://devtalk.nvidia.com/default/topic/1056611/container-tensorflow/does-gtx-1050ti-or-1650-for-notebook-support-tensorflow-gpu/ https://en.wikipedia.org/wiki/CUDA#GPUs_supported
℡.陈之 2021-11-08
  • 举报
回复
@韩@csdn 谢谢大佬!看来是支持的
Insight呀 2022-02-09
  • 举报
回复
@韩@csdn 请问1050可以吗
csdnfala 2019-10-15
  • 打赏
  • 举报
回复
https://blog.csdn.net/csdnfala/article/details/91358622
hacker_G 2019-09-28
  • 打赏
  • 举报
回复
同问,请问1650是否支持cuda
内容概要:本文系统介绍了C语言在底层系统编程与数据结构工程化实现中的核心技术,同时融合了现代Web开发中TypeScript类型系统与全栈项目架构设计。C语言部分聚焦操作系统接口调用、内存管理、文件操作与进程控制,深入讲解指针、动态内存分配、结构体与位运算,并通过实现简易shell、日志系统等工具强化实践能力;数据结构部分涵盖链表、栈、队列、哈希表、二叉树与图结构的C语言实现,结合时间与空间复杂度分析,应用于缓存系统、路径搜索等实际场景,并引入内存池优化频繁分配问题。TypeScript部分强调静态类型在提升代码可靠性中的作用,讲解基础类型、泛型、交叉与联合类型、条件类型等,并通过DTO与接口类型保障前后端数据一致性。全栈项目基于React/Vue + Node.js架构,实现RESTful API、JWT认证、统一响应结构,并结合ORM进行数据库操作,完成用户系统、权限管理与任务管理系统等实战项目。同时强调工程化建设,包括代码规范、单元测试、CI/CD及Docker容器化部署。; 适合人群:具备C语言和JavaScript基础,有一定编程经验,希望深入系统编程或向全栈工程师发展的1-3年开发者;; 使用场景及目标:①掌握C语言在系统级开发中的核心应用,如内存管理与系统调用;②实现常用数据结构并应用于工程场景;③构建类型安全的全栈项目,提升前后端协同开发效率;④建立完整的软件工程化能力体系; 阅读建议:学习过程中应结合代码实践,动手实现各类数据结构与系统工具,同步搭建全栈项目,配置工程化工具链,注重理论与实际项目的深度融合。
内容概要:本文介绍了脚本自动化运维在芯片行业中应用于EDA工具链的实战项目,重点解决工具配置、许可证管理与仿真任务调度等效率瓶颈问题。通过构建Bash与Python混合的自动化脚本系统,实现License动态调度、仿真任务并行化、断点续跑及版本兼容性处理,显著提升资源利用率与设计效率。典型案例如License调度脚本通过监控进程活跃度回收闲置许可,结合Flask API实现服务化查询与CI/CD集成,使工程师等待时间从4小时降至15分钟,License利用率提升至89%,并在7nm GPU项目中节约千万级成本。文章还展望了多云调度、AI预测与开源EDA适配等未来方向。; 适合人群:芯片设计工程师、EDA工具运维人员、自动化脚本开发者,以及具备Python/Bash基础的半导体行业技术人员;; 使用场景及目标:①优化高成本EDA许可证的分配与回收,提升资源利用率;②实现大规模仿真任务的自动编排与容错执行;③将自动化脚本嵌入CI/CD流程,支撑高频次验证与签核需求;④降低流片周期与研发成本,加速国产芯片研发进程; 阅读建议:此资源强调工程实践与系统思维的结合,建议读者在掌握基本脚本语法基础上,重点关注异常处理、权限控制、日志审计等生产级设计细节,并尝试将其方案迁移至实际EDA流程中进行调试与优化。
内容概要:本文档整合《六韬》兵法智慧,构建了一套适用于现代团队管理的“五维战力提升模型”,涵盖骨干识别激励(武锋)、战术灵活运用(林战)、团队凝聚力训练(分合)、人才选拔标准(选练)与培训落地体系(教战)五大模块。通过35天系统化实战路径、15个实用工具模板、五维诊断评估及身体锚点仪式,帮助管理者诊断团队短板,逐步建立科学化、可复制的团队战力建设体系,解决骨干流失、培训失效、战术僵化等常见管理难题,并辅以韩信点兵、赵括纸上谈兵等历史案例增强理解。; 适合人群:具备一定团队管理经验,面临骨干识别难、培训落地难、团队协同弱等问题的基层及中层管理者,尤其适合10人以上团队负责人;小团队也可根据实际情况简化使用。; 使用场景及目标:①用于系统诊断并改善团队在激励、分工、选拔、培训等方面的薄弱环节;②指导管理者按照35天路径逐步实施变革,实现团队战力的整体跃升;③结合历史案例与工具模板,提升管理决策的深度与执行力。; 阅读建议:建议用户先完成五维诊断,锁定最需改进的1-2个维度优先突破,不必强求一次性执行全部模块;所有工具均可直接套用,配合每日实操动作与身体锚点仪式强化执行惯性,同时可联动其他管理资源包(如立将威信术、决策领导力三合包)形成完整管理体系。

591

社区成员

发帖
与我相关
我的任务
社区描述
CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。
社区管理员
  • CUDA编程社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧