AI是由很多层计算组成的，每一层计算都无差别地计算所有的节点，甚至是对所有的节点的排列组合。由于没有局部性，运行内存需要能够放得下一整个模型至少一层的运算量。如果运行内存不够大，就得把运算好的数据存储起来，放在外存，然后在外存读出没有运算的数据继续算，那这IO就太频繁了，耗时会很大。

以下是AI模型对显卡的要求参数

ai绘画对显卡的要求：

跑AI画图就是跑算法，跑算法依赖GPU，也就是显卡。

显卡一般需要N卡（Nvidia），不建议A卡（AMD）。

最低配置是Nvidia GTX1060（4G显存以上），勉强能跑AI画图，一张20steps步数的图大概30-60秒生成。

建议配置是Nvidia GTX3060，8G以上。一张20steps步数的图大概10-20秒。

当然，土豪建议直接上GTX 3080，GTX4090，那就更快了，几秒一张图，十几秒四张图。

ai训练模型对显卡的要求：

如果你需要本地炼丹（训练模型），跑ControlNet等，那么建议内存16G以上（不含16G），显存12G以上，显卡芯片3060以上（不含GTX 3060）。

Nvidia 用于 AI 模型训练的高端显卡主要包括以下几种:

Nvidia Titan RTX: 这是一款最强大的消费级 GPU，具有高达 72 GB 的显存、4608 个 CUDA 核心和 576 个 Tensor 核心，适用于大型模型的训练和推断。Nvidia GeForce RTX 3090: 这是一款针对游戏和内容创作而设计的 GPU，但它也可以用于 AI 模型训练。它包含了 10496 个 CUDA 核心和 328 个 Tensor 核心，适用于大规模的深度学习任务。Nvidia A100: 这是 Nvidia 的最新数据中心 GPU，具有高达 80 GB 的显存、6912 个 CUDA 核心和 432 个 Tensor 核心，适用于最大规模的 AI 模型训练和推断。Nvidia Quadro RTX 6000: 这是一款专业级 GPU，适用于工程、科学、医疗等领域的 AI 模型训练。它包含 4608 个 CUDA 核心和 576 个 Tensor 核心。

Nvidia Tesla V100: 这是一款用于数据中心和高性能计算的 GPU，适用于大规模的 AI 模型训练和推断。它包含 5120 个 CUDA 核心和 640 个 Tensor 核心。