為什麼做GPU計算，深度學慣用amd顯卡的很少，基本都nvidia？

12-30

如題，amd顯卡除了打遊戲，干工作好像沒什麼用。

因為GPGPU基本上都是CUDA的天下了，而CUDA是NV的親兒子。OpenCL在各個平台上支持都很差。

AMD的OpenCL編譯器C語言和C++不是一套（C++編譯器32位和64位好像也不是一套，32位不常用有點記不清了）；C語言編譯器會無視寄存器個數進行優化，C++編譯器在寄存器足夠的情況下不進行徹底優化；64位模式下內存訪問寄存器佔用極其可怕，原本可以通過在32位模式下編譯kernel在64位下用，現在把這個功能給禁用了；GCN1.2新加的指令至少之前OpenCL里不能用。

AMD根本就沒把GPGPU當回事啊...

amd在計算方面的生態圈和技術支持都不咋地，最近農企靠gpuopen和Radeon開放計算平台來建立自己的生態圈，不管有沒有用，生態圈的建立也需要時間的

還有一個重要是原因是當時N家的顯卡都是免費給各大高校實驗室用，而且出來新顯卡去開會的話，老黃還會免費送

樓上都提到了生態，對開發者的態度，驅動，介面等問題。除此之外其實還有一點(由前面這些因素帶來的)設計取向上的不同，amd的顯卡就是沖著圖形去的，通用計算能順便支持就湊合支持一下，不能就拉倒。nvidia最近的幾代核心都是兼顧圖形和通用計算的。比較典型的就看分支處理的能力，線程間同步能力，還有雙精度計算能力。

一直以來NVIDIA與AMD的GPU差距都體現在軟體上。NV的DevTech是一群活躍於應用領域的軟體工程師，他們對於軟體應用的需求反應很快。這也促成了NV會自行開發很多結合硬體底層特性的高性能函數庫，對於深度學習來說cuDNN就是非常成功的案例。現在主流框架都是基於這個庫來構建的，那大家自然都會選擇使用N卡咯。

深度學習如此火爆，英偉達恐成最終贏家？

因為英偉達發力機器學習比較早，形成了先發優勢。現在基本上主流、非主流的框架、庫全是基於CUDA（少量非主流基於CPU）。支持AMD的OpenCL的框架、庫非常少。

以知乎上AMD員工的見聞來歸納，就是黃老邪家的軟體部門從規模到投入各方面吊打蘇媽……就看蘇媽這幾年各種整合中能不能把這塊弄起來了，畢竟不能只靠渲染設計和遊戲玩家吃飯不是么

英偉達投入的多，僅此而已。

因為amd驅動爛得要死唄，早期那真是什麼問題都有！至於現在A卡戰未來，深紅，雞血驅動什麼的。那都是派遊戲機所賜，如果不是索尼和微軟在這代主機採用了amd硬體。那麼很多人買了一塊a卡，真的是連驅動都可能安裝失敗……