很多装机玩家手里还压着老一代 RTX 100 系列显卡，不少人好奇：这种多年前的旧显卡，还能不能用来做深度学习？

并不是所有 AI 训练都必须上 5090、A 卡专业卡，选对任务，RTX 100 系列依旧可以发挥不小价值。

✅ 适合做的深度学习任务

- 入门学习、课程实训
深度学习新手练手、跑教程代码、简单模型调试。像基础 CNN 图像分类、简单目标检测、小型数据集训练，用来熟悉框架、调参完全够用，不用拿高端显卡浪费资源。
​
- 图片推理、本地 AI 识图
图像识别、图片打标签、简单图像去噪、滤镜推理。不需要大规模长时间训练，只是跑模型出结果，显存够用就能流畅运行。
​
- 轻量模型微调
小参数模型微调、迁移学习。在已有预训练模型基础上，用少量数据集微调权重，对算力压力不大，RTX 100 完全可以胜任。
​
- 简易语音识别、小样本预测
基础语音转文字、时间序列预测、简单推荐模型实验，适合科研学生做小型课题测试。
​
- AI 辅助工具本地部署
轻量化 Stable Diffusion 低配模型、简易大模型量化版本地运行，降低使用门槛。

⚠️ 明显吃力、不推荐的任务

- 大模型完整预训练、超大参数模型全量训练
​
- 高分辨率大规模图像生成、批量长时间渲染推理
​
- 大型医疗影像、自动驾驶复杂模型训练
这类任务对显存、算力要求极高，容易出现爆显存、速度极慢，甚至直接跑不动。

实用小贴士
RTX 100 系列最大短板就是显存上限以及老旧架构，没有新一代的加速技术。如果显存只有 2G / 4G，很多任务直接受限；8 G 版本可玩性更高。

它的定位从来不是主力生产算力卡，而是深度学习入门工具。用来学习、测试、临时推理很香；如果是工作室长期跑项目，还是优先更新新一代显卡。

话题：#RTX 100 显卡适合哪些深度学习任务？
你手上有没有这款老显卡？有没有拿它跑过 AI？欢迎评论区聊聊你的体验！