No me preocuparía demasiado por eso, si solo estás aprendiendo, es decir, no tu red. 🙂 [Tengo una respuesta similar más larga en otro lugar si quieres desenterrar …]
Cualquier CPU es utilizable. Algunas bibliotecas usan GPU *, generalmente (¿siempre?) Opcionalmente, de modo que cualquier PC funcionaría, por ejemplo, con TensorFlow.
Google tiene Unidades de procesamiento de tensor (TPU) que hicieron para su TensorFlow. Sería ideal para eso … pero no puedes comprarlos de todos modos; solo podrás usarlos en “la nube”.
- ¿Los analistas de datos serán reemplazados por aprendizaje automático e inteligencia artificial pronto?
- ¿Se puede colocar un previo en el hiperparámetro de un modelo bayesiano jerárquico?
- ¿Qué es mejor, el algoritmo de vecinos más cercanos a k (k-NN) o el clasificador de máquina de vectores de soporte (SVM)? ¿Qué algoritmo se usa principalmente en la práctica? ¿Qué algoritmo garantiza una detección confiable en situaciones impredecibles?
- ¿Cuál es la diferencia clave entre un autoencoder variacional y una red adversa generativa, y cuándo debo usar cada modelo?
- ¿El aprendizaje automático conducirá a la mercantilización del conocimiento?
Si cree que necesita entrenar / procesar muchos datos, tenga en cuenta que no necesita localmente y, por ejemplo, Amazon también tiene máquinas con GPU en alquiler.
Una configuración industrial (como lo que hace Google a escala internamente) no solo tiene una GPU, sino muchas, por lo que no puede competir con eso tampoco. Más solo hará el trabajo más rápido, por lo que solo necesita una, si eso.
* Una GPU no puede hacer nada que una CPU no puede hacer, en teoría, por lo que no son estrictamente necesarios. Sin embargo, si habilita el soporte de GPU en su biblioteca, está hecho para GPU, no para su CPU, por lo que una GPU específica podría funcionar mejor que otras. Es posible que se necesite soporte de CUDA, es decir, Nvidia, e incluso uno que no sea antiguo, ya que el controlador que necesita no los admitirá. No estoy al día con las mejores GPU que desea obtener la mejor velocidad o realmente trabajar por encima de lo que le da la CPU.
