1. 动画专业需要什么样配置的电脑
要学动画的话，你用台式机肯定是要划得来很多，估计配一台和笔记本一样配置的台式电脑只要一半的钱就ok了，如果非要用笔记本的话，那你要去参考参考了.内存和显卡就直接影响到你做3D动画时的即时显示，内存和显卡如果很低的话，会导致电脑做3D时很卡，特别是面数稍微多一些时电脑整个带不动，所以内存和显卡很重要，对于你初学来说，2G内存已经很够了，但是资金多的话还是建议弄个4G的，不过4G内存的笔记本很少的哦，要自己加！还有就是CPU了，CUP会直接影响到你渲染的速度，如果你只做动画部弄渲染的话CPU低点也不会太影响你的德效率啦。我自己觉得吧，做3D硬件影响效率
显卡>CPU>内存!
如果你用本本的话,我推荐个,联想的Y450/T6600版的,因为我自己有一台,用起来还不错,对于初学也很够了,2G内存,T6600CPU,GT240M显卡!
最后祝你能买到自己心满意和的电脑吧~！！
2. 请问CUDA编程对显卡的要求是怎么样NVIDIA那些型号的显卡可以
显卡要求见此：http://www.nvidia.cn/object/cuda_gpus_cn.html 建议：双敏 G92核心的9600GSO 384MB 192bit，此卡远比同价位的其他NVIDIA图形卡好，特别是GPU运算能力，是同价位的GT220、9500GT的数倍。但是可能缺货，还有就是功耗较高。 如果你有500块的话，就可以考虑昂达G92核心的9600GSO 384MB 192bit 或 昂达GT240 512MB GDDR5
3. 显卡设置里的CUDA是什么
CUDA（Compute Unified Device Architecture），通用并行计算架构，是一种运算平台，包含CUDA指令集架构以及GPU内部的并行计算引擎。
只要使用一种类似于C语言的CUDA C语言，就可以开发CUDA程序，从而可以更加方便的利用GPU强大的计算能力，而不是像以前那样先将计算任务包装成图形渲染任务，再交由GPU处理。
CUDA体系结构的组成
开发库：开发库是基于CUDA技术所提供的应用开发库。
运行期环境：运行期环境提供了应用开发接口和运行期组件，包括基本数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。
驱动：CUDA-enable的GPU的设备抽象层，提供硬件设备的抽象访问接口。也就是需要安装有nVIDIA硬件的电脑上安装相应的驱动来实现CUDA通用运算。
4. 显卡设置里的“CUDA”是什么
CUDA(Compute Unified Device Architecture)，显卡厂商NVidia推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。
随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以用于图像计算以外的目的。
简单来讲，比如通过CUDA架构，视频播放软件可以充分挖掘NVIDIA系列显卡的GPU并行计算能力，轻松进行高清影片的播放，与软件高清解码相比，CPU占用可以下降一半以上。当然，CUDA的应用领域绝不仅仅是视频、图形、游戏，包括各种3D和建模，医疗、能源、科学研究等，到处都可见到这种技术架构的应用。
支持CUDA的硬件环境需要有NVidia GF8系列及以上型号的显卡，并且安装185版本以上的显卡驱动程序。以QQ影音播放器来讲，要想开启CUDA硬件解码加速，可以打开QQ影音的“播放器设置”，进入“高清加速”面板，在“硬件优化”中选择“自定义优化模式”，然后在“滤镜配置”中的“视频解码器”中自定义选择相应的“QQ CUDA Video Decoder(CUDADecFilter.ax)”即可。而关闭CUDA加速，只需取消选择“QQ CUDA Video Decoder(CUDADecFilter.ax)”，或者切换到“智能高清模式”或“稳定兼容模式”通过这种高清解码定义的开启，并不是说你的画质能够提升多少，而是提升高清视频播放时的流畅以及降低CPU的占用。这个时候，节约下来的CPU空间，可以允许你再去做别的工作，这样就会大大提升你的工作效率，而不至于除了看视频，其他的什么都不能做了。
5. CUDA是什么,哪些显卡支持CUDA
简单来说是一种全新的图形运算模型,它定义了新的图形运算方法,开发语言,游戏的图像呈现方式。可以说支持这个技术的显卡肯定技术上是比较新的,因此可以用来区分新老的显卡。以下的资料是CUDA的一个简洁和支持CUDA的显卡。CUDA(Compute Unified Device Architecture)是一个新的基础架构,这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。它是一个完整的GPGPU解决方案,提供了硬件的直接访问接口,而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。在架构上采用了一种全新的计算体系结构来使用GPU提供的硬件资源,从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。CUDA采用C语言作为编程语言提供大量的高性能计算指令开发能力,使开发者能够在GPU的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。从CUDA体系结构的组成来说,包含了三个部分:开发库、运行期环境和驱动(表2)。开发库是基于CUDA技术所提供的应用开发库。目前CUDA的1.1版提供了两个标准的数学运算库——CUFFT(离散快速傅立叶变换)和CUBLAS(离散基本线性计算)的实现。这两个数学运算库所解决的是典型的大规模的并行计算问题,也是在密集数据计算中非常常见的计算类型。开发人员在开发库的基础上可以快速、方便的建立起自己的计算应用。此外,开发人员也可以在CUDA的技术基础上实现出更多的开发库。运行期环境提供了应用开发接口和运行期组件,包括基本数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。基于CUDA开发的程序代码在实际执行中分为两种,一种是运行在CPU上的宿主代码(Host Code),一种是运行在GPU上的设备代码(Device Code)。不同类型的代码由于其运行的物理位置不同,能够访问到的资源不同,因此对应的运行期组件也分为公共组件、宿主组件和设备组件三个部分,基本上囊括了所有在GPGPU开发中所需要的功能和能够使用到的资源接口,开发人员可以通过运行期环境的编程接口实现各种类型的计算。由于目前存在着多种GPU版本的NVIDIA显卡,不同版本的GPU之间都有不同的差异,因此驱动部分基本上可以理解为是CUDA-enable的GPU的设备抽象层,提供硬件设备的抽象访问接口。CUDA提供运行期环境也是通过这一层来实现各种功能的。目前基于CUDA开发的应用必须有NVIDIA CUDA-enable的硬件支持,NVIDIA公司GPU运算事业部总经理Andy Keane在一次活动中表示:一个充满生命力的技术平台应该是开放的,CUDA未来也会向这个方向发展。由于CUDA的体系结构中有硬件抽象层的存在,因此今后也有可能发展成为一个通用的GPGPU标准接口,兼容不同厂商的GPU产品CUDA™ 工具包是一种针对支持CUDA功能的GPU(图形处理器)的C语言开发环境。CUDA开发环境包括:· nvcc C语言编译器· 适用于GPU(图形处理器)的CUDA FFT和BLAS库· 分析器· 适用于GPU(图形处理器)的gdb调试器(在2008年3月推出alpha版)· CUDA运行时(CUDA runtime)驱动程序(目前在标准的NVIDIA GPU驱动中也提供)· CUDA编程手册CUDA开发者软件开发包(SDK)提供了一些范例(附有源代码),以帮助使用者开始CUDA编程。这些范例包括:· 并行双调排序· 矩阵乘法· 矩阵转置· 利用计时器进行性能评价· 并行大数组的前缀和(扫描)· 图像卷积· 使用Haar小波的一维DWT· OpenGL和Direct3D图形互操作示例· CUDA BLAS和FFT库的使用示例· CPU-GPU C—和C++—代码集成· 二项式期权定价模型· Black-Scholes期权定价模型· Monte-Carlo期权定价模型· 并行Mersenne Twister(随机数生成)· 并行直方图· 图像去噪· Sobel边缘检测滤波器· MathWorks MATLAB® 插件 (点击这里下载)新的基于1.1版CUDA的SDK 范例现在也已经发布了。要查看完整的列表、下载代码,请点击此处。技术功能· 在GPU(图形处理器)上提供标准C编程语言· 为在支持CUDA的NVIDIA GPU(图形处理器)上进行并行计算而提供了统一的软硬件解决方案· CUDA兼容的GPU(图形处理器)包括很多:从低功耗的笔记本上用的GPU到高性能的,多GPU的系统。· 支持CUDA的GPU(图形处理器)支持并行数据缓存和线程执行管理器· 标准FFT(快速傅立叶变换)和BLAS(基本线性代数子程序)数值程序库· 针对计算的专用CUDA驱动· 经过优化的,从中央处理器(CPU)到支持CUDA的GPU(图形处理器)的直接上传、下载通道· CUDA驱动可与OpenGL和DirectX图形驱动程序实现互操作· 支持Linux 32位/64位以及Windows XP 32位/64位 操作系统· 为了研究以及开发语言的目的,CUDA提供对驱动程序的直接访问,以及汇编语言级的访问
希望采纳
6. 求组一套用做动漫制作和设计的电脑大概在4000左右的 要配置比较高的
这样吧，你做动画，重点是渲染和处理上，有些配件我不说具体牌子你自己看能买到的办。
CPU：AMD9650（800左右）四核。做动画渲染很需要CPU，四核绝对比高频双核来得快，当然，便宜点都8450E也行，三核，500左右，渲染也好与双核。
显卡：4830（500-600）都有，目前A卡性价比最高的一款，当然能买到800SP都4830更好，便宜就考虑3870，3850（400-500），但是货不多不好买。附加说下，其实做动画用N卡更好的，因为N卡的cuda技术好，可能不就会很多动画软件支持CUDA技术，用N卡的GPU进行渲染或者视频转换，速度较CPU提高十倍甚至百倍。AU配N卡性能不会下降的，这个ZOL，驱动之家，都有测试。
主板：这个推荐AMD770吧，牌子选择技嘉，映泰，两个比较好，大概500-600都就行了，这个价位下技嘉是一线中最实在都，映泰是二线中最实在的，三线我不推荐，不是说质量，二是软技术上比不上一二线。
内存：牌子选择宇瞻吧，质量好性能也行，但是买有防伪的；金士顿太多假的，高仿的连防伪都有，不推荐。威刚也行。牌子不是关键，容量尽量大点4G吧。估价一共300。
电源：大厂生产的350W左右的都行。航嘉，长城，TT这样都行。价格250左右。
显示器：这个真不好说，有人觉得三星艳丽，有人觉得LG锐利，这个你自己去卖场看，最舒服的就是。还有DELL和优派是唯一3年保的，别的都一年。
硬盘什么都三大厂商没什么差别用起来，你就按你需要都容量选吧，钱还够就买两块组个RAID0，现在电脑最大都瓶颈就在硬盘上。
转自 fyflc
就说这些了，记着CPU尽量多核的，内存尽量大点最好4G这两点是我认为最要注意的。
7. 显卡cuda越多越好吗
理论上来说，显卡cuda越多越好。因为cuda越多，计算的速度是越快的。当然了，也还有架构的问题。有的时候架构改进了。可能cuda少了，但是性能还是提升的。
8. 显卡cuda越多越好吗
理论上来说，显卡cuda越多越好。因为cuda越多，计算的速度是越快的。当然了，也还有架构的问题。有的时候架构改进了，可能cuda少了，但是性能还是提升的。在不考虑架构的情况下数量越多，同频率下计算能力就越好。当然，频率，核心数一样的话，频率高的算的快。间接影响计算速度的是架构，也就是执行效率。
显卡CUDA体系结构的组成：
开发库：开发库是基于CUDA技术所提供的应用开发库。
运行期环境：运行期环境提供了应用开发接口和运行期组件，包括基本数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。
驱动：CUDA-enable的GPU的设备抽象层，提供硬件设备的抽象访问接口。也就是需要安装有nVIDIA硬件的电脑上安装相应的驱动来实现CUDA通用运算。
9. 显卡的CUDA是什么有什么用
CUDA(Compute Unified Device Architecture)，显卡厂商NVidia推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。
计算行业正在从只使用CPU的“中央处理”向CPU与GPU并用的“协同处理”发展。为打造这一全新的计算典范，NVIDIA®(英伟达™)发明了CUDA(Compute Unified Device Architecturem，统一计算设备架构)这一编程模型，是想在应用程序中充分利用CPU和GPU各自的优点。现在，该架构现已应用于GeForce®(精视™)、ION™(翼扬™)、Quadro以及Tesla GPU(图形处理器)上，对应用程序开发人员来说，这是一个巨大的市场。
在消费级市场上，几乎每一款重要的消费级视频应用程序都已经使用CUDA加速或很快将会利用CUDA来加速，其中不乏Elemental Technologies公司、MotionDSP公司以及LoiLo公司的产品。在科研界，CUDA一直受到热捧。例如，CUDA现已能够对AMBER进行加速。AMBER是一款分子动力学模拟程序，全世界在学术界与制药企业中有超过60,000名研究人员使用该程序来加速新药的探索工作。在金融市场，Numerix以及CompatibL针对一款全新的对手风险应用程序发布了CUDA支持并取得了18倍速度提升。Numerix为近400家金融机构所广泛使用。
CUDA的广泛应用造就了GPU计算专用Tesla GPU的崛起。全球财富五百强企业现在已经安装了700多个GPU集群，这些企业涉及各个领域，例如能源领域的斯伦贝谢与雪佛龙以及银行业的法国巴黎银行。随着微软Windows 7与苹果Snow Leopard操作系统的问世，GPU计算必将成为主流。在这些全新的操作系统中，GPU将不仅仅是图形处理器，它还将成为所有应用程序均可使用的通用并行处理器。
CUDA的应用
计算行业正在从只使用CPU的“中央处理”向CPU与GPU并用的“协同处理”发展。为打造这一全新的计算典范，NVIDIA(英伟达)发明了CUDA(Compute Unified Device Architecturem，统一计算设备架构)这一编程模型，是想在应用程序中充分利用CPU和GPU各自的优点。现在，该架构现已应用于GeForce(精视)、ION(翼扬)、Quadro以及Tesla GPU(图形处理器)上，对应用程序开发人员来说，这是一个巨大的市场。
CUDA产生的原因
随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以用于图像计算以外的目的。
CUDA体系结构的组成
开发库：开发库是基于CUDA技术所提供的应用开发库。
运行期环境：运行期环境提供了应用开发接口和运行期组件，包括基本数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。
驱动：CUDA-enable的GPU的设备抽象层，提供硬件设备的抽象访问接口。也就是需要安装有nVIDIA硬件的电脑上安装相应的驱动来实现CUDA通用运算。
10. 我想问一下~专业显卡里面 CUDA最好的是什么系列~另外~相比500系列显卡的CUDA来讲~~~相差多少！
其实cuda只是运算核心而已，500系600系的cuda其实都是一样的，但是不一样的是驱动程序对于核心利用的优化不同。比如Q600和gt540是一样的核心数量一样频率一样的，但是Q的驱程将其优化的在运行专业软件时效率很高，但是游戏时却差很多可以说差GT540不少，所以专业卡你就看价钱就行了。不要和游戏卡做对比。