深度学习是人工智能技术的一种算法，这种算法对于运算量的要求很高，但是对计算精度的要求不高。GPU可以用一些工具让大量处理器做并行运算，在面对简单而又大量的运算时，有设计上的优越性。
众所周知，英伟达是显卡界的老大，英伟达的GPU芯片在全球市场的占有率在一半以上，无论是人工智能、自动驾驶，甚至搞电竞、区块链都绕不开英伟达的阴影。我们应该怎么挑选显卡呢？
和深度学习相关的主要GPU性能指标如下：内存带宽：GPU处理大量数据的能力，是最重要的性能指标。
处理能力：表示GPU处理数据的速度，我们将其量化为CUDA核心数量和每一个核心的频率的乘积。
显存大小：一次性加载到显卡上的数据量。运行计算机视觉模型时，显存越大越好，特别是如果你想参加CVKaggle竞赛的话。对于自然语言处理和数据分类，显存没有那么重要。
你的GPU还需要以下这些硬件才能正常运行：硬盘：首先需要从硬盘读取数据，我推荐使用固态硬盘，但机械硬盘也可以。
CPU：深度学习任务有时需要用CPU解码数据（例如，jpeg图片）。幸运的是，任何中端现代处理器都能做得不错。
主板：数据需要通过主板传输到GPU上。单显卡可以使用几乎任何芯片组都可以使用。
RAM：一般推荐内存的大小至少和显存一样大，但有更多的内存确实在某些场景是非常有帮助的，例如我们希望将整个数据集保存在内存中。
电源：一般来说我们需要为CPU和GPU提供足够的电源，至少需要超过额定功率100瓦。
那么多种类的显卡，应该怎么挑呢？对于初学者来说，选择性价比最高的显卡肯定是首要的
显卡性能对比图
我们从上图可以看出性能最好的就是TitanXP，TitanXP是目前英伟达消费级显卡的旗舰产品，正如性能指标所述，12GB的内存宣示着它并不是为大多数人准备的，一块TitanXP的价格可以让你买到两块GTX1080，而那意味着强大的算力和16GB的显存。
抛开TitanXP显卡，在1080ti,1080,1070ti,1060之间进行对于，1080显卡的性能要稍微高于其他三种显卡
作为目前英伟达产品线里的中高端显卡，GTX1080的官方价格已经下调。8GB的内存对于计算机视觉任务来说够用了。大多数Kaggle上的人都在使用这款显卡。
磐镭GTX1080显卡
磐镭1080显卡
参数：
显存（VRAM）：8GB
内存带宽：320GB/s
处理器：2560个CUDA核心@1733MHz（约4.44亿CUDA核心频率）
年货节价格：2698元
一句话推荐如果你不设定自己的预算，装配电脑就成了一件困难的事。在这里，我将给出不同预算区间下GPU的最佳选择。
4000-6000元区间：首推磐镭GTX1080Ti。
2600-4000元区间：可选磐镭GTX1080或磐镭GTX1070Ti。
2000-2600元区间：磐镭GTX1070入门深度学习的效果比1060更好
2000元以下：在这个区间内，磐镭GTX1050显卡和磐镭GTX1060，磐镭GTX1060可以让你入门深度学习
