.. _gtx_1050_60_70_80:

=========================================
Nvidia GeForce GTX 1050/1060/1070/1080
=========================================

.. note::

   奔溃，没想到现在挖矿已经到了把显卡市场逼到绝路的地步了: 早已停产的2017年产品GTX 1050 Ti，在淘宝上二手都需要1000+，全新杂牌公版GTX 1050 Ti居然高达 1800 元。

   我放弃了...

   只能继续等待，或者购买二手的低端显卡，只要能满足虚拟化测试以及入门的机器学习实践...

   目前结合 :ref:`hpe_dl360_gen9` 1U狭窄的安装空间，可能会选择 2016年 生产的 :ref:`tesla_p10`

`深度学习（TensorFlow）环境搭建：（一）硬件选购和主机组装 <https://www.cnblogs.com/xuliangxing/p/7543977.html>`_ 参考 Tim Dettmers 2017年4月的博客，列出了适合深度学习的GPU显卡:

- GTX 1050 Ti: 入门学习，但没有很高技术要求，并且几乎没有钱的情况
- GTX 1060(6GB): 入门学习，准备后续深入；有一些经费，同时寻求新价比的硬件
- GTX 1070或GTX 1080: 需要深入研究深度学习，如自然语言处理
- GTX 1080 Ti: 高性能但是昂贵，适合研究人员
- GTX Titan X: 需要分析>250GB数据的工作
- GTX Titan Xp: 整体性能最佳的GPU，价格昂贵

讽刺的是，上述对GPU的评价居然是2017年初，经过将近5年时光，2021年底， ``挖矿`` 和 ``芯片荒`` 竟然把显卡的价格推高到令人乍舌的地步，上述评测的显卡依然价格昂贵，甚至二手价格比当初全新售卖价格还要昂贵。

技术在进步，然而我们依然无法享受到GPU技术进步的红利，上述显卡的性价比在今天看来因为价格的扭曲而非常低落。

技术规格对比
===============

参考
========

- `GeForce GTX 1050 Ti Spec <https://www.nvidia.com/en-gb/geforce/graphics-cards/geforce-gtx-1050-ti/specifications/>`_