目前纠结3060 12g和3060ti,预算有限。不知道是选择显存大点好,还是性能高点好。
关注
码龄 粉丝数 原力等级 --
- 被采纳
- 被点赞
- 采纳率
已结题
做深度学习,目标检测,选择什么显卡?
收起
- 写回答
- 好问题 0 提建议
- 关注问题
- 微信扫一扫点击复制链接分享
- 邀请回答
- 编辑 收藏 删除
- 收藏 举报
3条回答 默认 最新
- 关注
码龄 粉丝数 原力等级 --
- 被采纳
- 被点赞
- 采纳率
爱晚乏客游 2023-03-20 09:28关注看你除了深度学习外还有没有其他需求,比如打游戏之类的。游戏的话ti还是好一些(3060Ti带2K144中画质没啥问题,3060吃力一些,帧数少个10来帧影响不是很大,不是人人都是人眼鉴帧器,优化好的游戏3060也也没啥问题)
单论深度学习的话,肯定是显存大的好,毕竟这两个的cuda计算速度差距不大,一点点速度优势,3060多出来的4G显存多一两个batch size就弥补回来了,而且3060比3060Ti价格还便宜一些,预算有限的情况下肯定是3060,多出来的前加到内存或者CPU或者固态硬盘上面,提升一些使用体验也是不错的。至于加在哪里,看你的木桶哪里短板了,如果都比较均衡的话,比较推荐加内存上。本回答被题主选为最佳回答 , 对您是否有帮助呢? 本回答被专家选为最佳回答 , 对您是否有帮助呢? 本回答被题主和专家选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏举报 编辑记录微信扫一扫点击复制链接分享编辑预览轻敲空格完成输入- 显示为
- 卡片
- 标题
- 链接
评论按下Enter换行,Ctrl+Enter发表内容
编辑
预览
轻敲空格完成输入
- 显示为
- 卡片
- 标题
- 链接
报告相同问题?
提交
- 2023-03-26 12:57回答 1 已采纳 参考GPT和自己的思路:目标检测的输出通常是一组包含目标位置信息和类别预测置信度的边界框(bounding box)坐标值。也可以将这些边界框和类别标签绘制在原始图像上,形成一张打好框和标签的图像。但
- 2022-10-13 02:46回答 2 已采纳 matlab可以做深度学习,但是从实用性的角度来讲matlab的实现效率相对较低,训练耗时较长。初次学习计算机语言就选择matlab不是一个明智的选择,最好选用C或者Basic作为入门语言。matla
- 2020-03-26 03:09回答 1 已采纳 训练集中添加一些误检的图像,自动生成没有框的xml标注文件,训练时,读取xml,如果xml中没有目标,则正样本抽取0个,负样本抽取10个送入训练。
- 2024-06-18 22:45技术瘾君子1573的博客 yolov9是一种基于深度学习的目标检测算法,可以广泛应用于各种计算机视觉和人工智能领域的应用中
- 2022-07-04 08:34回答 1 已采纳 不是必须的,anaconda是个全家桶,他自带一些集成包和工具。你也可以选择自己去安装这些
- 2023-03-21 06:33回答 2 已采纳 首选数据:收集目标物体的三维模型数据,并使用计算机图形学软件将其转换为点云或网格数据格式。同时,提取出螺栓所在位置的边界框(bounding box)作为标注。 接着模型训练:使用深度学习方法,如卷积
- 2022-10-08 02:42回答 1 已采纳 机器学习是一个更大的概念,只要数据能够根据输入进行调整都叫机器学习而深度学习是一个算法它们的关系类似“时间管理”和“番茄工作法”,“番茄工作法”是时间管理的其中一种方法深度学习是机器学习的一种实现手段
- 2024-07-03 13:35是Dream呀的博客 第二部分(第410章)介绍如何使用卷积神经网络、迁移学习等技术解决更复杂的视觉相关问题,包括图像分类、目标检测和图像分割等;第三部分(第1113章)介绍各种图像处理技术,包括自编码器模型和各种类型的GAN模型;...
- 2021-09-16 13:35回答 1 已采纳 在训练的时候用visdom可视化每个iterator的loss值,把visdom换成tensorbord发现问题解决了,应该是用visdom记录的时候占用了电脑的进程。
- 2022-09-17 07:53回答 9 已采纳 https://pyimagesearch.com/2018/09/
- 2022-05-29 09:29回答 1 已采纳 可以的,但是一些大的网络 最好还是用服务器比如yolo之类的
- 2024-02-21 09:04Krin_IT的博客 毕业设计:基于深度学习的课堂人脸识别目标检测系统采用先进的人脸识别算法,结合深度学习技术,实现对课堂中学生人脸的准确识别。为了提高系统的性能和准确性,我们自制了一个课堂人脸数据集,并进行了数据扩充。为...
- 2024-01-19 16:30林聪木的博客 UFast提出将车道线检测过程看作为在全局特征上基于行方向选择特征锚点, 在行上进行车道点的选择,可以显著降低计算成本[ 17]。并且在全局特征图上使用 一个大的感受野可以更好的理解场景,如图2-9所示。 除分类损失...
- 2023-06-18 16:15林聪木的博客 目标检测网络是计算机视觉领域的一个重要研究方向,目前在研究和使用的目标检测网络都是基于深度学习的深度神经网络。基于深度学习的目标检测网络算法大致可以分为两大类,一类是单阶段目标检测网络,一类是二阶段...
- 2021-04-02 16:48小白学视觉的博客 点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达 本文转自:计算机视觉life导读:目标检测(Object Detection)是计算机视觉领域的基...
- 没有解决我的问题, 去提问
问题事件
联系我们(工作时间:8:30-22:00)
400-660-0108kefu@csdn.net在线客服
- 京ICP备19004658号
- 经营性网站备案信息
- 公安备案号11010502030143
- 营业执照
- 北京互联网违法和不良信息举报中心
- 家长监护
- 中国互联网举报中心
- 网络110报警服务
- Chrome商店下载
- 账号管理规范
- 版权与免责声明
- 版权申诉
- 出版物许可证
- ©1999-2025北京创新乐知网络技术有限公司