Una PC de “aprendizaje profundo” realmente no significa mucho. Pero supongo que usted mismo está construyendo una computadora con el propósito de construir modelos de aprendizaje automático. Si va a trabajar con imágenes o con conjuntos de secuencias muy grandes (para PNL o pronósticos de series de tiempo), entonces ConvNets y RNN son probablemente el camino a seguir, y su vida será más fácil con una GPU.
Pero solo será una pequeña parte de su marco. Tendrá que clasificar, preprocesar y hacer todo tipo de trabajo con sus datos originales. Entonces necesitará industrializar sus modelos. Por todo eso, dependerá mucho más de las otras partes de su computadora que su GPU.
Entonces, sí, necesitará una buena CPU (¿CPU?) RAM grande, rápida, y lo mismo para el HDD, y lo que queda de su dinero puede usar para comprar una GPU.
- Cómo crear un chatbot para mi sitio web
- ¿Puede la IA resolver los problemas del día a día?
- ¿Por qué todos están interesados en las redes neuronales profundas ahora cuando otros sistemas de inteligencia artificial como las máquinas LISP fueron promocionados y no pudieron obtener una gran adopción en el pasado?
- Entreno mi sistema basado en el marco de validación cruzada 10 veces. Ahora me da 10 modelos diferentes. ¿Qué modelo seleccionar como representante?
- ¿Cuál será el próximo gran avance conceptual en redes neuronales artificiales, después del concepto de atención? ¿Cómo te imaginas que se está implementando?
Pero si fuera yo, compraría CPUS, RAM y un buen SSD de primera línea, y obtendría una GPU mediana como una 1060. La mejora marginal de obtener una GPU mejor (titan x, etc.) son pequeños, y la parte más importante es conseguirlo, incluso si no es lo mejor posible.