Cómo entrenar algoritmos relacionados con IA sin una GPU decente

Puede usar servicios basados ​​en la nube de cualquiera de los proveedores, incluidos Amazon, Google, Microsoft, etc.

Incluso si pudiera pagar una GPU, es una mejor idea comenzar con una pequeña configuración y servicios a pedido proporcionados por los proveedores anteriores. De esa manera, puede tener una idea de lo que implica sin gastar demasiado costo fijo; porque solo paga por los servicios que usa por el tiempo que lo hace. Para los experimentos iniciales, no debería costarle más de cien dólares, por ejemplo.

Si sus algoritmos ya son sólidos (sería extraño dado que aún no ha entrenado nada), seguro que puede seguir adelante y comprar hardware costoso. Pero también me gustaría saber por qué esto no es pagado por la compañía. Si está haciendo uno de los experimentos privados por puro interés, deberá comparar cuidadosamente la cantidad de esfuerzo que puede poner con los profesionales en el campo.

No necesita una GPU potente para entrenar, de hecho, puede entrenar en su computadora portátil simple.

Si va a Amazon AWS y Google Cloud, juntos pueden obtener hasta 600 horas de cómputo gratuito con GPU, aunque necesitarán acceso a Internet.

Aquí hay una extensa lista de tutoriales de aprendizaje automático en mi github que puede aprender de inmediato. Estaré trabajando en la construcción y adaptación de estos tutoriales, para obtener los últimos modelos y marcos.

Espero que esto pueda ayudar.

TarrySingh / Tutoriales de aprendizaje automático

Parece que solo estás pensando en el aprendizaje profundo, no en la inteligencia artificial o el aprendizaje automático en general. Si está tratando de aprender ML desde cero, sin ninguna presión de lanzar un producto o algo así, diría que se olvide de theano / tensorflow y escriba algoritmos desde cero. Después de unos pocos, comenzará a notar muchas similitudes y dónde se dedica gran parte del tiempo de depuración. Una vez que haya llegado a ese punto, las bibliotecas como theano y tensorflow le ahorrarán mucho tiempo.
Por cierto, una GPU no es necesaria si no está haciendo nada a gran escala, y si solo está aprendiendo, no necesita ir en grande al principio.