Solo consigue una GPU.
Las GPU modernas son tan potentes que una gran cantidad de aprendizaje profundo que solía requerir supercomputadoras ahora se puede hacer en una sola PC de escritorio con una GPU potente.
Casi toda la investigación de DL en la industria y en la academia se realiza en GPU ahora.
- ¿Por qué no hay implementaciones de aprendizaje profundo (populares) escritas en Golang?
- ¿Se puede utilizar la investigación en aprendizaje automático para complementar la epistemología?
- ¿Cuál es la diferencia entre la recuperación de información normal y los sistemas de recomendación?
- ¿Debo aprender el aprendizaje automático (supervisado) antes del aprendizaje profundo (sin supervisión)? Solo tengo una computadora portátil en casa, entonces, ¿será suficiente la potencia informática?
- ¿Por qué Python es tan brillantemente superior a R en aprendizaje automático y tan totalmente inferior en estadística médica e investigación de drogas?
Incluso una GPU relativamente barata ($ 100- $ 200) funcionará si no le importa esperar un poco más por sus resultados.
Recomiendo una biblioteca como Theano que tenga soporte intercambiable transparente para GPU (lo que significa que escribe su código una vez, y puede simplemente activar un interruptor para que se ejecute en GPU vs CPU).
Además, obtén NVIDIA. El soporte de OpenCL en las bibliotecas de aprendizaje profundo es mucho peor que CUDA.
Hago todas mis tareas de aprendizaje profundo en una GTX 780, y por lo general me lleva menos de una hora entrenar incluso redes relativamente grandes.
