百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

英伟达RTX2050和MX570跑分出炉,打不过AMD核显

ztj100 2025-03-06 00:03 50 浏览 0 评论

英伟达最近发布的GeForce RTX 2050和MX500系笔记本电脑显卡已经在3DMark Time Spy 中进行了测试,并且基准测试看起来并不是那么好


现在我们知道这些是入门级显卡,在取代或提供比AMD和英特尔在笔记本电脑中提供的集成显卡更好的东西,但问题是,不仅规格令人困惑,而且通过这些基准测试,这些硬件可能会提供低迷的性能

在我们前几天的文章中,我们讨论了英伟达GeForce RTX 2050和MX570显卡如何配备具有 2048个核心和64位总线接口的安培显卡(GA107),尽管RT和Tensor核心之间存在根本差异英伟达尚未澄清。GeForce RTX 3050有4GB,而MX570有2GB GDDR6显存。至于MX550,它基于更老的图灵TU117架构,只有1024个核心和一个2GB和64位总线接口

新笔记本电脑显卡的功耗不仅决定了提升频率推多远,还决定了显存频率。在20W时,可以获得11Gbps,在25-35W时,可以获得12Gbps,而在40-45W时,可以获得14Gbps显存速度。 RTX 2050以30-45W的功耗运行,为我们提供14Gbps的速度,因此它已经比MX570快,MX570具有15-25W的12Gbps设计。MX550的情况也是如此


现在进入基准测试,RTX 2050和GeForce MX570提供几乎相似的图形性能,得分约为3369 分。GeForce MX550得分为2510分。现在与GeForce RTX 3050相比,我们看到性能降低了 40-45%,这在相同的架构上,但RTX 3050具有更高的频率和更宽的总线(128 位)这可以被认为是2021年的GTX 1660系列性能,这可能会比核显获得一些不错的收益。现在,虽然这两个部分都有光线追踪核心,但不要指望从它们中获得任何不错的性能,除非在DLSS设置为最大性能模式的情况下以720p游玩

另一方面,英伟达GeForce MX550看起来非常平庸,尤其是当我们考虑到3DMark Time Spy 中泄露的AMD锐龙6000 'Rembrandt' APU得分为2700分时。看起来MX550与AMD的RDNA 2核显持平甚至松散,这使得这部分几乎是DOA,尽管仍然会给它时间直到发布,看看最终芯片是否比预发布的芯片有一些改进,最终的驱动程序增加了一些改进,但对于AMD的 Rembrandt APU的最终形式也是如此

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: