显存是共享GPU内存加专用GPU内存，还是只是共享GPU内存？

因此，显存不仅仅是共享GPU内存，它还包括了专用GPU内存。在实际应用中，这两部分内存共同协作，确保GPU能够有效地处理各种任务。共享和专用的内存分配取决于系统的实际需求，以及运行的任务的性质。理解这一点对于优化系统性能，以及合理分配和管理显存资源非常重要。

现在的核显都是共享内存的。比如你有8G内存，核显占用2G，那么你实际进入系统后会显示6G内存。很早之前有些独显是共享显存的，跟这个也是一样的。

显存的分配方式主要有两种模式：共享GPU内存和专用GPU内存。在当前的核显技术中，内存资源是共享的，这意味着如果你的计算机配备了8GB内存，其中2GB被核显占用，系统实际可用的内存会显示为6GB。这种共享机制在早期的一些独显中也曾存在，其工作原理与核显类似。显存的分配方式直接影响了系统的性能表现和应用...

显存就是单独给显卡上GPU使用的运行内存，独立显卡上的显存就是GPU单独使用的，不存在共享的情况，GPU也没有共享的说法。而集成的核显或者集显，并没有单独的显存，只是使用电脑上的运行内存，划出一部分给核显或者集显使用，充当临时的显存使用。

专用GPU内存根据显卡类型分为两类：独立显卡（如双GPU GTX 1080T）上的GDDR内存，这部分内存是专属于GPU，具有高带宽和低延迟。对于集成显卡，如Intel HD 4000，BIOS会预留一部分系统内存作为专用内存，即"Stolen Memory"，大小可从16M到1GB不等，但可通过BIOS调整，尽管网上一些调整注册表的方法无效。而...

在实际应用中，如果GPU的显存足够大，专用GPU内存是深度学习训练的理想选择，因为它提供最好的性能。但如果显存不足，Windows会利用共享内存来弥补，但这可能会对训练速度产生影响。因此，是否选择共享内存取决于系统的具体配置和训练任务的需求。总的来说，专用GPU内存是深度学习训练的首选，但当资源有限时...

当独显自带的显存（就是专用GPU内存）不够用时，会用到这部分内存共享出来的显存，一般用不上。这部分内存既可以给显卡用也可以给CPU用。往往双显卡机器，集成显卡用的共享内存，独立显卡用的独显自带的显存。显存比内存快。

1. 当独立显卡的专用显存不足时，系统会启用共享内存来扩展显存容量，这部分共享内存可以同时供显卡和CPU使用。2. 在双显卡系统中，通常集成显卡会使用共享内存，而独立显卡则使用其自身的专用显存。3. 显存的速度通常要快于系统内存（RAM），因此，共享内存能够提供比普通内存更快的数据访问速度。

“共享GPU内存”是WINDOWS10系统专门为显卡划分的优先内存容量。在显卡显存不够的时候，系统会优先使用这部分“共享GPU内存”。在WIN10系统中，会划分一半容量的物理内存容量为“共享GPU内存”。就像本机拥有16G内存，所以被划分了一半8G为“共享GPU内存”。注意事项：在程序运行时，WIN10系统会优先使用显卡...

共享内存不仅仅是多GPU共享，而且还是GPU和的其他应用一起共享，只不过GPU优先级高些罢了。而且Windows也尽量会使用专有的GPU内存，而共享的GPU内存完全可以在其它应用大量使用内存后归他们使用。而且这个值无法设置，需要由Windows根据系统内存大小自行设定。内存的带宽和时延受到PCIe的限制，比专有的内存低，...