神經(jīng)網(wǎng)絡(luò)用GPU加速訓(xùn)練，用Quadro系顯卡好還是GTX10系好？為什么？主要考慮的是CUDA核心的數(shù)量。越多越好。計(jì)算主要基于CUDA核心數(shù)。第二個(gè)考慮是視頻存儲(chǔ)、內(nèi)部頻率等。當(dāng)然，也可以考慮性?xún)r(jià)

神經(jīng)網(wǎng)絡(luò)用GPU加速訓(xùn)練，用Quadro系顯卡好還是GTX10系好？為什么？

主要考慮的是CUDA核心的數(shù)量。越多越好。計(jì)算主要基于CUDA核心數(shù)。第二個(gè)考慮是視頻存儲(chǔ)、內(nèi)部頻率等。當(dāng)然，也可以考慮性?xún)r(jià)比。這對(duì)錢(qián)不壞。從泰坦系列開(kāi)始。你不必把算法學(xué)好。但是隨著技術(shù)的發(fā)展，仍然需要算法，否則只能做一些工作。

1. 學(xué)好軟件開(kāi)發(fā)離不開(kāi)計(jì)算機(jī)理論基礎(chǔ)，比如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)技術(shù)、算法研究等，如果你喜歡這項(xiàng)技術(shù)，那就不是問(wèn)題。先開(kāi)始，你可以彌補(bǔ)。

2. 算法是軟件開(kāi)發(fā)的靈魂。好的算法寫(xiě)不出好的程序。

3. 如何學(xué)習(xí)算法，首先選擇經(jīng)典算法教材?；镜目梢詮臄?shù)據(jù)結(jié)構(gòu)中學(xué)習(xí)，其中包含一些基本的算法，然后再學(xué)習(xí)特殊的算法（實(shí)際上，在數(shù)據(jù)結(jié)構(gòu)領(lǐng)域?qū)W習(xí)算法一般就足夠了）。網(wǎng)上還有很多論壇、算法網(wǎng)站，為了吸引眼球，它們一般都很通俗易懂。大多數(shù)算法都是C語(yǔ)言，但是語(yǔ)言在算法層次上是相互聯(lián)系的，因此理解算法模型是最重要的。

4. 只要我們從技術(shù)開(kāi)始，一切都是困難的。該算法在實(shí)際應(yīng)用中是最快、最強(qiáng)的。

我希望它能幫助你

這取決于數(shù)據(jù)量和樣本數(shù)。不同的樣本數(shù)和特征數(shù)據(jù)適合不同的算法。像神經(jīng)網(wǎng)絡(luò)這樣的深度學(xué)習(xí)算法需要訓(xùn)練大量的數(shù)據(jù)集來(lái)建立更好的預(yù)測(cè)模型。許多大型互聯(lián)網(wǎng)公司更喜歡深度學(xué)習(xí)算法，因?yàn)樗麄儷@得的用戶(hù)數(shù)據(jù)是數(shù)以?xún)|計(jì)的海量數(shù)據(jù)，這更適合于卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法。

如果樣本數(shù)量較少，則更適合使用SVM、決策樹(shù)和其他機(jī)器學(xué)習(xí)算法。如果你有一個(gè)大的數(shù)據(jù)集，你可以考慮使用卷積神經(jīng)網(wǎng)絡(luò)和其他深度學(xué)習(xí)算法。

以下是一個(gè)圖表，用于說(shuō)明根據(jù)樣本數(shù)量和數(shù)據(jù)集大小選擇的任何機(jī)器學(xué)習(xí)算法。

如果你認(rèn)為它對(duì)你有幫助，你可以多表?yè)P(yáng)，也可以關(guān)注它。謝謝您

學(xué)Python一定要會(huì)算法嗎？

不同于GPU顯卡、FPGA等大功率、高性能的神經(jīng)網(wǎng)絡(luò)訓(xùn)練設(shè)備，神經(jīng)網(wǎng)絡(luò)計(jì)算棒往往利用訓(xùn)練好的模型來(lái)提供預(yù)測(cè)服務(wù)。與需要巨大計(jì)算能力的訓(xùn)練模型相比，預(yù)測(cè)服務(wù)的計(jì)算量大大減少。主要應(yīng)用場(chǎng)景是移動(dòng)終端設(shè)備（如清掃機(jī)器人、送貨機(jī)器人等），受計(jì)算能力和功耗的制約，不能使用Wi-Fi模塊實(shí)時(shí)維護(hù)網(wǎng)絡(luò)，不能使用大功率GPU圖形卡。神經(jīng)網(wǎng)絡(luò)計(jì)算棒是最好的解決方案。