Depende de qué tan grande desee hacer sus modelos de aprendizaje profundo. Veamos algunos escenarios diferentes para aclarar esto:
- Acaba de comenzar y desea hacer algunos tutoriales de aprendizaje profundo con theano o flujo de tensor, utiliza redes profundas relativamente poco profundas: en este caso sería suficiente. No es necesario compilar modelos de imagen net / VGG en su GPU.
- Desea competir en competiciones y / o crear su propio producto. Podría tener algunos problemas aquí, ya que esto a menudo requeriría modelos más grandes. Pero para pequeñas competiciones / productos simples, esto funcionaría bien. Sin embargo, deberías considerar comprar una gpu más grande.
- Desea investigar / competir seriamente en competencias / hacer aprendizaje profundo para una gran empresa. Olvídate de usar esa GPU. Necesitará compilar modelos mucho más grandes y usar muchos más datos y acomodar lotes más grandes. Quizás quieras usar Titan’s / Tesla’s aquí.
Espero que esto ayude, yo uso una GTX 1070, con 8 gb. ¡Funciona bien para la mayoría de mis proyectos!
- ¿Alguien ha intentado sitios web de IA que se diseñen ellos mismos? ¿Cuál es la diferencia entre los sitios web creados por humanos y por IA?
- ¿Vale la pena aprender Machine Learning (y AI) si quiero seguir la carrera de Ingeniero Embebido?
- ¿Por qué no es una práctica estándar publicar pesos de modelos entrenados junto con el código fuente para trabajos de investigación de aprendizaje profundo?
- Cómo predecir las ventas del próximo año, nivel de día, dada la información de ventas de años anteriores, también a nivel de día, y mediante el uso de Kalman Filtering
- Cómo acceder a las funciones extraídas por OverFeat
