37TFLOPS->27TFLOPS

GPU 主要考虑几点，
1.显存：越大越好，因为显存小了，很多模型你跑不了，建议至少要 8G 以上;
2.性能：显卡有一个指标是 TFLOPS，单精度对比，2080ti 是 13.5TFLOPS，而 1050ti 是 2.1TFPLOS，这样的对比意味着什么，假设 1050ti 不受显存限制的话，同样训练一个模型，2080ti 需要 4 个小时的话，1050ti 需要 24 个小时以上。
3.新特性：现在主流框架和模型多是单精度，但是未来一定是半精度和 int8,10 系列的显卡是不支持更高规模的半精度运算的，只有 20 系列之后的才支持。这一点也很重要。比如 2080ti 单精度 13.5TFLOPS，而半精度就有 37TFLOPS。

经济条件允许的情况下，最好有一台属于自己的机器，因为在学校学习是积累的过程，在自己的机器上学习和回顾都比较方便，改一些东西也方便。阿里云服务器的卡多是 Tesla 系列，自己长时间租下来也很贵。
有一个强 GPU 也可以玩玩游戏^_^

感觉两个都不是很完美，不过我更加喜欢 notability

你用的 Nvidia 的 GPU 吧，如果是就是驱动冲突了

fangzu 1.1w/month

看来已经走上了 炼丹 的路上

搞深度学习的 准备收一波

深度学习 才是 长久!

虽然,没有挖矿这么直接的收益,但是,空间是巨大的.

最近挖矿把 GPU 搞得又缺货,又提价的.

挖矿这波过去了,这些个 GPU 怎么处理!

@Weny ai 的域名怎么注册

肯定是支持的,这是搞 Deep Learning 欢迎来炼丹! 哈哈

@ivmm 实际工作环境大家用的是 gtx

1. 主要看你的 model 结构怎么样，比较 tiny 的网络 CPU 多线程速度也很快。但是网络复杂的话 cpu 还是吃不消的。

2. 这个问题我从侧面回答吧。目前行业内用的比较多的 gpu 是 gtx titan x 和 1080 以及 1080ti，价格分别是 9000+，4000+，5500+。同样 model 的情况下，同价位的 gpu 要比 cpu 的速度快 30 到 50 倍。所以 gpu 服务器是必须的，但是“私搭”还是云服务就看你具体情况了

@ivmm 我是深度学习从业者，非常负责任地告诉你，行业内大部分都是 gtx 系列的 gpu。

这几个橙子肯定很甜

@hanangellove 主要用的 Deep Learning

@feilaoda 是的