1、使用GTX 1070或更好的GPU；
2、购买带有张量核心的RTX GPU；
3、在GPU上进行原型设计 ， 然后在TPU或云GPU上训练模型 。
针对不同研究目的、不同预算 ， Tim给出了如下的建议：
最佳GPU：RTX 2070
避免的坑：所有Tesla、Quadro、创始人版（Founders Edition）的显卡 ， 还有Titan RTX、Titan V、Titan XP
高性价比：RTX 2070（高端） ， RTX 2060或GTX 1060 (6GB)（中低端）
穷人之选：GTX 1060 (6GB)
破产之选：GTX 1050 Ti（4GB） ， 或者CPU（原型）+ AWS / TPU（训练） ， 或者Colab
Kaggle竞赛：RTX 2070
计算机视觉或机器翻译研究人员：采用鼓风设计的GTX 2080 Ti ， 如果训练非常大的网络 ， 请选择RTX Titans
NLP研究人员：RTX 2080 Ti
已经开始研究深度学习：RTX 2070起步 ， 以后按需添置更多RTX 2070
尝试入门深度学习：GTX 1050 Ti（2GB或4GB显存）
Python 程序员深度学习的“四大名著”：
文章插图
这四本书着实很不错！我们都知道现在机器学习、深度学习的资料太多了 ， 面对海量资源 ， 往往陷入到“无从下手”的困惑出境 。 而且并非所有的书籍都是优质资源 ， 浪费大量的时间是得不偿失的 。 给大家推荐这几本好书并做简单介绍 。
获得方式：
2.后台回复关键词：4books
注：此处建议复制 ， 不然容易打错
4books即可获取

稿源：(未知)

【傻大方】网址：http://www.shadafang.com/c/111T320342020.html

标题：深度学习GPU最全对比，到底谁才是性价比之王？( 三 )