选自fast.ai
机械之心编译
参加：蒋思源、路雪
搭建深度进修系统须要哪些硬件、软件、处境、课程和数据？本文将为咱们一次回答这些题目。
深度进修入门者时常会问到这些题目：开辟深度进修系统，咱们须要甚么样的打算机？为甚么绝大多半人会引荐英伟达GPU？关于入门者而言哪类深度进修框架是最佳的？何如将深度进修运用到临盆处境中去？一齐这些题目均能够归纳为一个——搭建深度进修系统都须要些甚么？（个中包括硬件、软件、处境与数据）在本文中，让咱们将这些题目一并处理。
你须要的硬件
咱们要报答嬉戏行业
从收益来看，视频嬉戏行业比片子和音乐行业加起来还要大。已往20年中，视频嬉戏行业推进GPU呈现了巨猛提高，GPU用于制做显露图所需的矩阵运算。交运的是，这些恰是深度进修所需的打算表率。GPU行业的进展是神经网络比几十年前越发雄壮的要紧起源之一。大部份处境下不利用GPU熬炼深度进修模子会特别慢。
并非一齐GPU都是相同的
大部份深度进修从业者不直接编写GPUCUDA代码，咱们一般会利用软件库（如PyTorch或TnsorFlow）。然而，要想高效利用软件库，你须要取舍符合的GPU。在险些所厚处境下，这象征着你须要利用英伟达的产物。
CUDA和OpnCL是实行GPU编程的两种要紧方法。CUDA当前是开辟最佳、完备最普及生态系统、深度进修库最帮助的方法。CUDA是英伟达缔造的专用言语，是以其余公司的GPU无奈利用它。险些能够必定，英伟达GPU是当前履行深度进修职责最佳的取舍。
英伟达主宰GPU商场，它最大的比赛敌手是AMD。本年炎天，AMD发表了ROCm平台供应深度进修帮助。该用具合用于合流深度进修库（如PyTorch、TnsorFlow、MxNt和CNTK）。当前，ROCm仍旧在不休开辟中。即使关于用户而言咱们都指望看到另一个开源的替换计划振兴，然而我必需得供认当前的ROCm文档难以懂得。我在涉猎ROCm网站上「概括、疾速上手和深度进修」的页面以后仍旧无奈用本身的言语复述出个中的实质——即使我很指望把AMD的这部份实质包括进本文中（即使我关于硬件的懂得不深，但像我如此的数据科学家该当是这一项方针利用者）。
即使你没有GPU
即使你的电脑没有GPU或许不是英伟达的GPU，那末你有下列几个取舍：
经过涉猎器利用Crstl：Crstl是fast.ai弟子AnuragGol开辟的一项效劳，供应云效劳，一齐盛行的科学和深度进修框架都曾经预装置和摆设完竣，便于在云霄运转GPU。你能够经过涉猎器轻便获得。新用户可免费利用10小时，享用1GB的储备空间。10小时以后，每小时59美分。我引荐AWS新手或刚最先利用操纵台的人取舍该选项。
经过操纵台摆设一个AWS云实例：你能够依据该讲解缔造一个AWS实例（
转载请注明：http://www.0431gb208.com/sjsbszl/1142.html
