1樓：智星雲服務
首先可以先從python入門，比較推薦莫煩python，莫煩python很基礎，有基於tensorflow也有pytorch，可以先從入門的minist資料集開始練手，掌握了基礎概念再深入。如果有執行大型資料集的情況，建議大家在智星雲租用GPU，環境都是配置好的，價效比高。現在也可以分數租用。
2樓：
我用cpu跑乙個晚上也是可以訓練出來的，在這件事情上，笨機器（CPU）花g成倍的時間是可以達到聰明機器（GPU）的效果的，因為核心點在於提供學習思路的人
3樓：Zhang Wang
深度學習之所以可以在2023年之後「重振雄風」。主要得益於兩點：1.
大量可以用於訓練的資料；2.可提供強大計算力的GPU。Nvidia也是作為AI主要引擎提供商，去年股價大大大漲。
沒有GPU是萬萬不可的。
你要是真愛肯定可以搞到GPU的。以前認識的一位實習生，在校為了搞深度學習，幾位同學自己湊錢攢了一台Titan的機器。
4樓：
機器學習實踐性很強，沒有好的GPU的時候，也可以用TensorFlow，一是可以熟悉它的架構和各種用法，二是可以用較小規模資料增加直觀認識。
當然，最終還是推薦用較好的GPU，裝備畢竟很重要。
有沒有beam search 在tensorflow中較好的實現方法
Chan Yu 先佔坑推薦一下tensor2tensor utils裡的beamsearch beamsearch其實有不止一種標準 1.vanilla beamsearch的策略 每一步只保留 beamsize n finished 個候選決策路徑 n finished個完結決策路徑。候選決策中出...
在機器學習領域，GPU可以加速的場合？
秦二 CPU是序列計算能力強，所謂多核，頂級伺服器邏輯核心88個了不起了。GPU的特點是並行浮點計算能力強，頂級GPU中有三千多個流處理器，顯然GPU更符合機器學習的特點。如果你的計算符合這個特點，比如存在許多路互不相干的計算，那麼GPU就比較合適，圖形影象的運算就比較符合這個特點。當然，GPU並不...
實驗室一塊GPU都沒有怎麼做深度學習？
Y.Huang 如果只是GeForce系列，自己買吧。研究期間可以靠錢解決的問題也不多，還是直接花錢吧。但是不要玩Steam畢業不了就好。其實就算Lab有，自己有個GPU也是好的。資源緊張的時候不用和別人搶。 王浩然 我曾經經歷過這個場景。本碩都是地質類學科。當年我大四，保研後老闆讓我搞cuda高效...