Oblicz TPS modelu Jetson T4000 na lokalnych modelach AI

NVIDIA 64 GB LPDDR5X 273 GB/s August 2025

Każdy model w naszym katalogu oceniany według tej karty przy długości kontekstu i minimalnej jakości, którą wybierzesz. Prędkość jest szacunkowa dla pojedynczego żądania, obliczona na podstawie przepustowości pamięci tej karty i rozmiaru każdego modelu po skompresowaniu..

Obliczone dla tej karty

595 modele, które może uruchomić

679 modele w naszym katalogu razem

Największy model, który obsługuje

Qwen3.5-122B-A10B

122B · Q3_K_M · 14.2 tok/s

Najszybszy model

Gemma 3 QAT 1B

116 tok/s · 1B

Które modele AI mogą działać na a Jetson T4000?

Ustaw wejścia, odczytaj odpowiedź.

Długość kontekstu tokeny

Więcej kontekstu oznacza więcej VRAM dla pamięci rozmowy. Szybkość dotyczy świeżej rozmowy i nie zmienia się przy tym ustawieniu..

Minimalna jakość

Ukrywa modele, które można by zmieścić tylko przez skompresowanie poniżej tego punktu.

Szukaj modeli

Rozmiar modelu

Wydane

Pokazuje również modele, których nie może uruchomić.

595 modele pasują

Obliczanie

						Kwantyzacja	Pasuje
116 tok/s 98–139	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
116 tok/s 98–139	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
116 tok/s 69–185 · niska pewność	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
116 tok/s 69–185 · niska pewność	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
116 tok/s 69–185 · niska pewność	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
116 tok/s 69–185 · niska pewność	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
107 tok/s 64–171 · niska pewność	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Wygodny
105 tok/s 63–168 · niska pewność	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
105 tok/s 63–168 · niska pewność	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
105 tok/s 63–168 · niska pewność	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
105 tok/s 63–168 · niska pewność	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
96.4 tok/s 58–154 · niska pewność	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
96.4 tok/s 58–154 · niska pewność	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
96.4 tok/s 58–154 · niska pewność	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
96.4 tok/s 58–154 · niska pewność	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
94.1 tok/s 80–113	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Wygodny
92.8 tok/s 56–148 · niska pewność	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
89.0 tok/s 53–142 · niska pewność	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
89.0 tok/s 53–142 · niska pewność	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
89.0 tok/s 53–142 · niska pewność	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
89.0 tok/s 53–142 · niska pewność	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
89.0 tok/s 53–142 · niska pewność	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
89.0 tok/s 53–142 · niska pewność	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
89.0 tok/s 53–142 · niska pewność	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Wygodny
89.0 tok/s 53–142 · niska pewność	Phi-1 ≈	1.3B	Oct 2023	2.1 GB	131k tokeny ?	Q8_0	Wygodny

Prędkości są szacunkami dla pojedynczego zapytania — jednej konwersacji na raz — obliczonymi na podstawie przepustowości pamięci, rozmiaru MODELu i kwantyzacji. Rzeczywista przepustowość różni się w zależności od czasu uruchamiania inference i jego wersji. Wartości publikowane przez dostawców sprzętu mierzą wiele jednoczesnych zapytań i są znacznie wyższe..

Na nagranie

Jetson T4000 Pełna specyfikacja

Wszystko w bazie danych dla tej karty, uporządkowane według tego, jak bardzo wpływa na uruchamianie modelu językowego, a nie według tego, jak lista specyfikacji by to opisała. MEMORY jest na pierwszym miejscu, ponieważ decyduje o wyniku; reszta to CONTEXT..

VRAM

Dwie specyfikacje decydują, co ta KARTA może uruchomić i jak szybko. Pojemność określa, które modele mieszczą się w GPU VRAM; przepustowość określa, ile tokenów na sekundę generują, gdy już ją uruchomią.

Rozmiar pamięci: 64 GB
Pasmo pamięci: 273 GB/s
Typ pamięci: LPDDR5X
Szerokość magistrali pamięci: 256 bit
Zegar pamięci: 1.07 GHz

Czip

Jaki procesor jest na płycie i jak został wyprodukowany. Mniejszy rozmiar procesu zazwyczaj oznacza większą wydajność przy tej samej mocy.

Procesor graficzny: GB10B
Architektura: Blackwell
Generacja: Server Blackwell(Bxx)
Odlewnia: TSMC
Rozmiar procesu: 3 nm
Wydane: 27 August 2025

Częstotliwości zegara

Jak szybko działa procesor. Warto znacznie mniej tutaj niż w testach wydajności gier: generowanie tekstu jest ograniczone przez przepustowość pamięci, więc wyższa częstotliwość ledwo wpływa na rezultat.

Zegar bazowy: 1.67 GHz
Zegar zwiększający: 2.53 GHz

Jednostki przetwarzania

Co zawiera chip. Te elementy napędzają wydajność grafiki i mają znaczenie głównie dla przetwarzania długiego promptu, a nie dla generowania odpowiedzi.

Jednostki cieniujące: 1,536
Jednostki mapowania tekstur: 64
Jednostki wyjściowe.Render: 16
Procesory strumieniowe: 12
Rdzenie tensorowe: 64
Rdzenie śledzenia promieni: 12
cache L1: 250 KB
pamięć podręczna L2: 50 MB

Wydajność teoretyczna

Szczytowe współczynniki arytmetyczne opublikowane dla karty. Są to limity, które żadne rzeczywiste obciążenie nie osiąga, a generowanie tekstu osiąga jedynie małą ich część, ponieważ jest ograniczone przez VRAM, a nie arytmetykę.

Pół precyzja (FP16): 31 TFLOPS
Pojedyncza precyzja (FP32): 7.8 TFLOPS
Podwójna precyzja (FP64): 3.9 TFLOPS
Wskaźnik pikseli: 40 GPixel/s
Współczynnik tekstury: 162 GTexel/s

Płyta

Co jest potrzebne do fizycznej instalacji i zasilania karty — praktyczne ograniczenia, które decydują, czy pasuje do maszyny, którą już posiadasz.

Pobór mocy (TDP): 40 W
Zalecany zasilacz: 200 W
Złącza zasilające: None
Interfejs magistrali: PCIe 5.0 x16
Szerokość slotu: IGP
Wymiary: 243 mm × 57 mm
Wyświetl wyniki: 1x HDMI

Wsparcie oprogramowania

Jakie interfejsy graficzne i obliczeniowe obsługuje karta. Możliwość obliczeniowa CUDA ma znaczenie dla wnioskowania: poniżej 7.0 nie ma rdzeni tensorowych, a nowoczesne oprogramowanie do wnioskowania wraca do wolniejszych ścieżek kodu.

zdolność obliczeniowa CUDA: 11.0
OpenCL: 3.0

Oferty

Gdzie kupić GPU Jetson T4000

Żaden dostawca obecnie nie wymienia tej karty. Oferty pochodzą od dostawców, którzy publikują je tutaj bezpośrednio. — przejrzyj katalog dostawców zobaczyć, kto sprzedaje co.

Co oznaczają liczby

Dlaczego pamięć jest liczbą, która ma tutaj znaczenie

VRAM

64 GB

Szerokość pasma

273 GB/s

Największy model

Qwen3.5-122B-A10B

Jetson T4000 nosi 64 GB z LPDDR5X. To pokrywa modele średniej wielkości, które wiele osób faktycznie uruchamia. Gdy czas działania i sterownik zarezerwują swoją przestrzeń roboczą, mniej więcej tyle zostaje: 57.6 GB.

Przepustowość pamięci osiąga 273 GB/s przez magistralę 256 bity. Przepustowość jest prawdziwym ograniczeniem tej karty. Każdy token wymaga odczytania całego modelu z pamięci, więc duży model będzie tutaj wydawał się wolny, nawet gdy się mieści.

To pochodzi z zegara pamięci 1.07 GHz. To dlatego liczba rdzeni tak słabo przewiduje prędkość generacji.

Największą rzeczą, jaką ma, jest Qwen3.5-122B-A10B, 122B, skompresowane do Q3_K_M i generowanie wokół 14.2 tokeny na sekundę

Układ scalony i jak został zbudowany

Jetson T4000 jest zbudowany na procesorze graficznym GB10B, używając architektury Blackwell z NVIDIA, jako część generacji Server Blackwell(Bxx).

Chip jest produkowany przez TSMC, na procesie 3 nm. Mniejszy proces zazwyczaj oznacza lepszą wydajność przy tej samej mocy, chociaż w przypadku modeli językowych ma to znacznie mniejsze znaczenie niż subsystem pamięci.

Został wydany w August 2025. Wsparcie oprogramowania do wnioskowania zazwyczaj podąża za sprzętem z opóźnieniem roku lub dwóch, więc karta tego wieku zazwyczaj ma dostępne dojrzałe, dobrze zoptymalizowane ścieżki kodu.

Wydajność obliczeniowa i dlaczego ma mniejsze znaczenie, niż się wydaje

FP16

31 TFLOPS

FP64

3.9 TFLOPS

Rdzenie tensorowe

Na papierze Jetson T4000 osiąga 31 TFLOPS przy półprecyzji, i 7.8 TFLOPS przy pojedynczej precyzji. To są wartości szczytowe, żaden rzeczywisty obciążenie ich nie utrzymuje, a generowanie tekstu osiąga tylko małą część z nich — dekodowanie jest ograniczone przez pamięć, a nie przez arytmetykę, co jest powodem, dla którego karta może wyglądać na niezwykle potężną tutaj i nadal produkować tokeny w zwykłym tempie.

Przepustowość podwójnej precyzji osiąga 3.9 TFLOPS. Nie ma to wpływu na uruchamianie modelu językowego — żadna sesja inferencyjna tego nie używa — ale oddziela części datacenter od konsumenckich, ponieważ te drugie celowo to ograniczają.

Karta przenosi 64 Rdzenie tensorowe na wzdłuż 12 Procesory strumieniowe. Te przyspieszają obliczenia macierzowe, które są sercem transformatora, i to one sprawiają, że przetwarzanie poleceń — czytanie długiego dokumentu przed udzieleniem odpowiedzi — jest znacznie szybsze, niż byłoby w przeciwnym razie.

Zegary działają od podstawy 1.67 GHz do zwiększenia 2.53 GHz. Warto tu znacznie mniej niż na benchmarkach gier: podnoszenie szybkości zegara poprawia arytmetykę, a arytmetyka nie jest tym, na co czeka generacja.

Pamięć podręczna i jednostki przetwarzające

Jetson T4000 ma pamięć podręczną L1 250 KB, wspierany przez pamięć podręczną L2 50 MB. Cache absorbuje część ruchu pamięci, która w przeciwnym razie uderzyłaby w główną magistralę, która jest jednym miejscem na tej stronie, gdzie liczba inna niż przepustowość cicho wpływa na szybkość generacji — duża L2 pozwala większej części zbioru roboczego pozostać blisko rdzeni.

Są 1,536 Jednostki cieniujące, 64 Jednostki mapowania tekstur, i 16 Jednostki wyjściowe.Render. Te napędy obsługują obciążenia graficzne i przyczyniają się do przetwarzania zapytań, ale pozostają bezczynne przez dużą część czasu, gdy model generuje odpowiedź.

Moc, rozmiar i instalacja

Pobór mocy

40 W

Jetson T4000 jest oceniane na 40 W, i sugerowane zasilanie systemu wynosi 200 W. Uruchamianie modelu językowego zajmuje kartę w krótkich momentach zamiast ciągłego — intensywnie korzysta podczas generowania i jest w uśpieniu między zapytaniami — więc utrzymane obciążenie w ciągu roboczego dnia jest zazwyczaj znacznie poniżej nominalnej wartości.

Płyta zajmuje igp, pomiarowania 243 mm długi. Warto sprawdzić z zasilaczem oraz obudową w maszynie, ponieważ największe karty potrzebują zdecydowanie więcej obu niż typowy komputer stacjonarny oferuje.

Łączy się przez PCIe 5.0 x16. Interfejs reguluje, jak szybko model jest ładowany z dysku do karty, a nie jak szybko działa po załadowaniu, więc węższe połączenie kosztuje kilka sekund na starcie i nic później.

Ekstremy

Największe modele AI, które działają na a Jetson T4000

Największe modele open-weight, które mieszczą się na tej karcie, najnowsze najpierw. Każdy jest pokazany w najlepszej kompresji, jaką karta może pomieścić..

01 Qwen3.5-122B-A10B 122B · Q3_K_M · Feb 2026 14.2 tok/s
02 INTELLECT-3 106B · IQ4_XS · Nov 2025 14.9 tok/s
03 Cohere Command A Reasoning 111B · Q3_K_M · Aug 2025 2.8 tok/s
04 GLM-4.5V 108B · IQ4_XS · Aug 2025 14.6 tok/s
05 GLM-4.5-Air 106B · IQ4_XS · Aug 2025 14.9 tok/s
06 Command A Vision 112B · Q3_K_M · Jul 2025 2.8 tok/s
07 Llama 4 Scout 109B · Q3_K_M · Apr 2025 2.9 tok/s
08 Cohere Command A 111B · Q3_K_M · Mar 2025 2.8 tok/s
09 Telechat2-115B 115B · Q3_K_M · Sep 2024 2.7 tok/s
10 Qwen1.5-110B 110B · Q3_K_M · Apr 2024 2.8 tok/s

Najszybsze modele AI na a Jetson T4000

Gdzie ta KARTA produkuje tokeny najszybciej. Mniejsze modele dominują tutaj, ponieważ generowanie każdego tokenu oznacza odczytanie całego modelu z pamięci raz..

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 116 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 116 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 116 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 116 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 116 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 116 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 107 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 105 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 105 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 105 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a Jetson T4000

Nie musisz niczego obliczać ręcznie — kalkulator gputps.com na tej stronie już obliczył to dla każdego modelu, który ta karta może pomieścić. Odczytanie odpowiedzi zajmuje sześć kroków..

01

Znajdź model w tabeli

Tabela zawiera 595 modele, które ta karta może uruchomić. Szukaj według nazwy lub rozmiaru — wpisanie 27b pasuje do liczby parametrów, nawet gdy nazwa tego nie stwierdza.
02

Zdecyduj, jak długo trwają twoje rozmowy

Przeciągnij suwak do długości rozmowy, na której planujesz pracować. Pamięć podręczna rośnie wraz z rozmową, a w porównaniu do karty trzymającej 64 GB często jest to to, co pcha duży model na krawędź.
03

Ustaw minimalną jakość, jeśli jest potrzebna.

Domyślnie tabela wybiera najmniej skompresowaną kopię, która się zmieści. Ustawienie minimum usuwa modele, które kwalifikują się tylko dzięki dużej kompresji.
04

Weź zakres jako odpowiedź

Każda prędkość jest oszacowaniem dla pojedynczej rozmowy, z zakresem poniżej. Górna granica tutaj to 116 tok/s na Gemma 3 QAT 1B. Ta sama karta i model różnią się od trzydziestu do pięćdziesięciu procent między czasami wykonywania inference.
05

Sprawdź swój zapas przed podjęciem decyzji

Kolumna dopasowania oddziela modele, które tylko mieszczą się, od tych, które mają trochę miejsca zapasowego — warto to sprawdzić przed zdecydowaniem się na jeden, w konfrontacji z dostępnym 64 GB.
06

Sprawdź w innych urządzeniach.

Śledzenie modelu na jego stronie pokazuje cały sprzęt, który może go uruchomić, więc możesz zobaczyć, jak wypada w porównaniu do Jetson T4000.

Odpowiedzi

Jetson T4000 — częste pytania

Jetson T4000— czy jest dobry do uruchamiania lokalnych modeli AI?

Its memory is large enough for models most desktop hardware cannot touch though its bandwidth means generation will feel slow on larger models. In total it runs 595 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.

Jetson T4000— czy może uruchomić model, który nie mieści się w jego VRAM?

Przekroczenie karty 64 GB siedzi w pamięci GPU i działa z ułamkową prędkością, więc w dużej mierze zrzucany model rzadko jest wart użycia. Każda wartość tutaj zakłada, że jest w pełni dostępna na karcie.

Czy dwa Jetson T4000 karty będą dwa razy szybsze?

Nie. Druga karta podwaja pamięć do 128 GB z połączoną pamięcią, w mniej więcej tej samej prędkości generacji co jeden.

Jetson T4000— które modele AI może uruchomić?

595 z 679 modele językowe open-weight, które śledzimy, mieszczą się na tej karcie i mogą być uruchamiane lokalnie. Tabela na tej stronie zawiera każdy z nich, z wymaganą pamięcią, poziomem kwantyzacji oraz szacowaną prędkością generacji.

Jetson T4000— jaki jest największy model AI, który może uruchomić?

Największy model w naszym katalogu, który pasuje, to Qwen3.5-122B-A10B w 122B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 14.2 tokenów na sekundę i potrzebuje około 53.1 GB pamięci karty.

Jetson T4000— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 116 tokenów na sekundę, podczas gdy większe modele działają proporcjonalnie wolniej, ponieważ każdy token wymaga odczytania całego modelu z pamięci za każdym razem. Prędkości są szacunkami dla jednej rozmowy na raz.

Jetson T4000— czy może działać 7B modele?

Tak. Na przykład działa Multi-Token Prediction 7B w Q8_0, używając około 7.9 GB pamięci i generowanie około 17.3 tokeny na sekundę

Jetson T4000— czy może działać 13B modele?

Tak. Na przykład działa DeepSeekMoE-16B w Q8_0, używając około 17.5 GB pamięci i generowanie około 40.2 tokeny na sekundę

Jetson T4000— czy może działać 30B modele?

Tak. Na przykład działa ERNIE-4.5-VL-28B-A3B w Q8_0, używając około 29.2 GB pamięci i generowanie około 23.0 tokeny na sekundę

Jetson T4000— czy może działać 70B modele?

Tak. Na przykład działa Qwen3-Coder-Next w Q5_K_M, używając około 52.7 GB pamięci i generowanie około 14.4 tokeny na sekundę

Jetson T4000— Ile ma pamięci?

Ta karta ma 64 GB z LPDDR5X. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 57.6 GB dostępny dla modelu i jego rozmowy

Jetson T4000— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 273 GB/s przez magistralę 256 bity. To jest jedyny najlepszy wskaźnik tego, jak szybko generuje tekst, ponieważ produkcja każdego tokena oznacza odczytanie całego modelu z pamięci jednocześnie.

Jetson T4000— Jakiego typu pamięci używa?

Używa LPDDR5X prędkość zegara na 1.07 GHz. Typy HBM znajdują się na akceleratorach w centrum danych i mają znacznie większą przepustowość niż GDDR używane na kartach stacjonarnych, dlatego generują tokeny znacznie szybciej przy tej samej pojemności.

Jetson T4000— kto to robi?

To jest produkt NVIDIA, z chipem wyprodukowanym przez TSMC, na procesie 3 nm.

Jetson T4000— kiedy to zostało wydane?

Został wydany w August 2025.

Jetson T4000— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 40 W, i sugerowane zasilanie systemu wynosi 200 W. Generowanie tekstu bardzo obciąża w krótkich szczytach i idle'uje między żądaniami, więc średnie zużycie podczas sesji roboczej jest zazwyczaj znacznie poniżej określonej wartości.

Jetson T4000— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 250 KB, i pamięć podręczna L2 jest 50 MB. Cache absorbuje część ruchu pamięci, który w przeciwnym razie dotarłby do głównej magistrali, więc większy L2 daje skromny wzrost prędkości generacji ponad to, co przewiduje sama szerokość pasma.

Jetson T4000— jakie są jego TFLOPS?

Jest oceniane na 31 TFLOPS przy połowicznej precyzji i 7.8 TFLOPS przy pojedynczej precyzji. Są to najwyższe sufity arytmetyczne, a nie osiągalne stawki, a generacja tekstu osiąga tylko małą część z nich, ponieważ jest ograniczona przez przepustowość pamięci.

Jetson T4000— Ile rdzeni tensorowych ma?

To ma 64 Rdzenie tensorowe na wzdłuż 12 Procesory strumieniowe. Przyspieszają arytmetykę macierzy, z której zbudowany jest transformator, co głównie przyspiesza przetwarzanie długiego promptu, a nie generowanie odpowiedzi.

Jetson T4000— czy obsługuje CUDA?

Tak. Raportuje zdolność obliczeniową CUDA. 11.0. Funkcjonalność 7.0 i wyższa ma rdzenie tensorowe, z których korzysta nowoczesne oprogramowanie inferencyjne; poniżej tego korzysta z wolniejszych ścieżek kodu dla modelów kwantyzowanych.

Jetson T4000— Jakiego interfejsu autobusowego używa?

Używa PCIe 5.0 x16. To reguluje, jak szybko model jest ładowany na kartę, a nie jak szybko działa po załadowaniu, więc kosztuje kilka sekund podczas uruchamiania i nic podczas generacji.

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od sprzętu. Jeśli już wiesz, jaki model chcesz i potrzebujesz wiedzieć, co jest potrzebne do jego uruchomienia, Zacznij od modelu zamiast.

Wszystkie GPU