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
25278 12 打赏 收藏 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:本文围绕基于一致性分布式控制的多领航无人机编队跟随控制与轨迹跟踪问题展开研究,通过Matlab代码复现IEEE二区文献中的先进算法,系统阐述了多智能体系统中一致性控制策略的理论基础与实现方法。研究重点在于设计分布式控制律,使得多个领航无人机能够协同引导跟随者形成稳定编队,并精确跟踪预设轨迹,尤其在复杂动态环境下展现出良好的协同性能与系统鲁棒性。内容涵盖系统建模、控制算法设计、仿真验证全过程,并提供了完整的Matlab代码与运行说明,便于读者复现、测试及进一步拓展研究。; 适合人群:具备控制理论基础知识和Matlab编程能力,从事无人机协同控制、多智能体系统、分布式控制及相关领域的研究生、科研人员与工程技术人员。; 使用场景及目标:① 深入理解多无人机编队中基于一致性的分布式控制原理与实现机制;② 掌握轨迹跟踪与编队保持中的协同控制技术;③ 利用所提供的Matlab代码进行算法复现、性能分析与二次开发,服务于学术论文撰写、科研项目验证或工程仿真应用。; 阅读建议:建议结合现代控制理论与多智能体系统相关知识,按照文档结构循序渐进学习,重点关注控制算法设计与代码实现的对应关系,动手运行并调试程序,尝试调整通信拓扑、控制参数等变量以观察系统响应变化,从而深化对分布式协同控制机制的理解与实践能力。
内容概要:本文围绕构网型逆变器的小信号建模问题,提出并实现了一种基于状态空间表示与组件连接法的统一建模框架,旨在复现IEEE二区高水平文献成果。该框架系统整合了两级电压源变流器(VSC)的主电路拓扑与分层控制策略,涵盖有功-无功控制动态、电流内环、锁相环(PLL)频率耦合效应及数字控制延时等关键环节,构建了包含正负序阻抗特性的精细化小信号模型。研究结合扫频仿真与序阻抗提取方法,验证模型准确性,并基于Nyquist与Bode图开展频域稳定性分析,揭示弱电网条件下系统失稳的内在机理,形成从建模、仿真、辨识到稳定性评估的完整技术链条,为新型电力系统稳定性研究提供可复现、可扩展的技术范式。; 适合人群:具备电力系统、电力电子或自动控制领域基础知识的研究生、科研人员及从事新能源并网技术开发的工程师;尤其适合致力于小信号稳定性分析、逆变器建模与仿真验证的技术人员。; 使用场景及目标:① 掌握构网型逆变器统一小信号建模的核心方法,深入理解状态空间与组件连接法在复杂电力电子系统建模中的应用;② 学习如何通过Matlab/Simulink实现阻抗建模与扫频辨识,掌握PLL频率耦合对系统稳定性的影响机制;③ 复现高水平期刊研究成果,提升科研仿真能力与工程建模水平,支撑论文写作与工程验证。; 阅读建议:建议读者结合文中提供的Matlab代码逐模块运行与调试,重点关注状态空间矩阵构建、序阻抗推导与扫频仿真设置等关键步骤,同时对照理论分析与仿真结果,深入理解建模假设与工程实际之间的映射关系,以实现从理论到实践的贯通。
内容概要:本文围绕基于混沌系统与DNA编码的彩色图像加密解密方案展开研究,提出了一种融合混沌序列全局置乱与DNA编码多层扩散的复合加密算法。通过构建完整的加密流程,实现对彩色图像RGB三通道的多层级加密处理,有效打破像素间的空间与灰度相关性,将密钥空间提升至10^127量级,显著增强了抗穷举攻击能力。研究重点开展了抗噪声与抗裁剪性能的系统性分析,验证了算法在高斯噪声、椒盐噪声干扰及不同面积、位置裁剪攻击下的鲁棒性,结果表明解密图像在局部数据缺失情况下仍能保持主体结构清晰与核心信息可用,具备优良的容错性和实用性。此外,研究还探讨了算法在密钥敏感性、像素置乱效果等方面的基础安全特性,形成了较为完整的安全性评估体系。; 适合人群:具备一定图像处理与密码学基础知识的研究生或科研人员,以及从事信息安全、多媒体通信领域的技术人员。; 使用场景及目标:①应用于医疗影像、军事通信、数字版权保护等对安全性要求较高的图像安全传输领域;②为目标用户提供一种高安全性、强鲁棒性的图像加密解决方案,以抵御常见噪声干扰与数据截断攻击;③为后续研究提供可扩展的加密框架基础,推动复合型图像加密技术的发展。; 阅读建议:建议读者结合文中所述的混沌系统参数设置与DNA编码规则进行仿真实验,重点关注密钥敏感性测试与不同强度干扰下的解密效果对比,深入理解算法的置乱扩散机制与鲁棒性成因。

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