1樓：fa wu
沒有缺陷公司現在16顆Titan x爽上天際唯一不爽就是caffe的多GPU模型會慢還好我們不用caffe的架構所以完全不受影響說缺陷是雙精度的我反對真正缺陷是沒有peer to peer記憶體訪問
2樓：
泰坦卡確實在很多方面都不如Tesla，但這些不足對於深度學習來講都不是很重要。
1、泰坦卡不支援GPUDirect RDMA，在多機平行計算的時候會有通訊方面的劣勢。但GPUDirect RDMA主要的優勢在於低通訊延遲，對小資料量、高頻度的通訊有較大的效能提公升，對通訊頻寬並沒有什麼影響。而深度學習通訊的內容主要是模型引數，資料量較大，每一輪梯度計算完畢後進行一次通訊，頻率並不是很高，因此GPUDirect RDMA帶來的效能提公升並不明顯。
而且如果程式優化得好，通訊可以和BP同步進行，隱藏通訊時間，進一步降低對通訊的要求。
2、泰坦卡散熱稍差一些。Tesla卡有針對伺服器的被動散熱版本，只有散熱片，通過伺服器的風扇進行散熱，最然噪音非常大，但是散熱效果好很多。泰坦卡只有針對台式電腦的主動散熱版本，散熱片面積較小，更關鍵的是風道設計不合理，多張顯示卡並列在一次會一定程度上堵塞進風口。
這個問題主要在台式工作站裡比較明顯，因為伺服器機箱一般配有強力風扇，怎麼都能涼快一些。但台式工作站一般沒有強力的機箱風扇，只能通過Hack的方式調節顯示卡風扇的轉速提高散熱效果。貼兩個連線供參考。
Set fan speed without an X server [SOLVED]
Nvidia GPU Coolness
How to adjust NVIDIA GPU fan speed on a headless node?
3、泰坦卡不支援ECC。但深度學習對錯誤的忍耐性是較高的，偶爾產生乙個錯誤不會有很大的影響。
4、泰坦卡不支援雙精度、半精度計算。然而大部分深度學習都是單精度下完成的，因此用泰坦和用Tesla也沒什麼不同。-- 不過這句話說得有點片面，泰坦也是支援過雙精度的，Tesla也不是一直支援雙精度。
Kepler架構、Geforce GTX 700系列的GTX Titan和GTX Titan Black是沒有閹割雙精度的，同代的Tesla K20、K40、K80也支援雙精度。Maxwell架構、Geforce GTX 900系列的GTX Titan X只支援單精度，同代的Tesla M40也不支援雙精度，M40的優勢主要在於半精度。到了Pascal架構，NVIDIA Titan X和Xp只支援單精度，同代的Tesla P100支援雙精度、單精度和半精度。
3樓：楊偉光
預算有限問題。
前提是你是學生，有導師。
NVIDIA有乙個硬體贊助專案，你可以去免費申請一塊卡，最好的是K40
寫乙個proposal，以導師的名義提交上去。
另：我對比過titan x和k40，在效能方面幾乎是持平的（titan甚至更好一些）。k40的優勢在於能7*24。
我不了解深度學習。其他的就幫不了你了
4樓：靈魂機器
直接用AWS 的 G2 instance 會不會更便宜？這樣連自己組裝機器都免了，直接去AWS開幾個G2 instance.
5樓：Max Lv
1. 基於 GPU 的深度學習不需要雙精度，因此 GK110 甚至 GK210 都沒有用武之地。
2. ECC 對於深度學習意義不大，上 Tesla 價效比不高。
簡單來說，基於 GPU 的深度學習對於精度的要求並不高（甚至 FP16 都夠了），除非部署在生產環境，否則 Titan X 是最合理的選擇。
用深度學習來做物體分類和場景分類，有什麼區別，兩者分別應該選擇怎樣的網路，哪個問題更難？
迪天才 物體分類 你看到貓就是貓，你看到狗就是狗 輸出你看到啥，非常直觀。場景分類 你看到貓可能是在家裡看到的，可能是在寵物店看到的，也可能是大街上看到的 同樣看到是貓，需要判斷是在何種場景下，這是乙個更難的問題。 Wayne 最近讀了一些場景分類的文獻，說一些個人的看法。之前一直從細粒度影象分類的...
做影象分類時keras提取的深度學習特徵與傳統特徵怎樣進行融合？
川彙金城武 直接使用concat拼接張量的效果應該不佳吧，周文罡教授Collaborative Index Embedding for Image Retrieval文章裡提到的方法效果怎麼樣？您實驗了嗎 王華 實時模型融合，也叫做多輸入模型，用keras就是下面這樣搭建 defmulti inpu...
用深度學習做影象處理有必要讀博士嗎？
發家致富小能手 作為合夥人的我是完全支援他繼續提高學歷，但前提是你的老闆足夠優秀，好的老闆所提供的學習環境往往是絕大多數企業所無法提供的，而可以提供好的學習環境的企業，不夠優秀是進不去的。所以如何選擇看你個人意向。 the one 這得看個人的未來發展，如果一心一意搞科研當然要讀博了，如果最終還是要...