Agora que se aproxima o Black Friday, é um ótimo instante pra acreditar adquirir uma GPU nova ou melhorá-la, todavia… você Quais são as ótimas GPU para inteligência artificial? O deep learning envolve uma extenso carga computacional e, dependendo do hardware que temos, a experiência muda muito, daí que seja tão respeitável mencionar com uma interessante GPU para treinar redes neurais e poder desenvolver melhores modelos. Contudo, não é sempre que é fácil saber qual escolher, porque a melhor podes variar muito, dependendo de nossas necessidades.
por este post, oferecemos algumas chaves. O que é GPU? Uma GPU (Graphics Processing Unit) é um co-processador dedicado ao processamento de imagens e operações de vírgula flutuante. Basicamente, o ser outro processador adicionado, tua atividade é a de liberar a carga da CPU, aumentando o funcionamento do nosso pc. Na realidade, os processadores principais imediatamente tem uma GPU integrada, entretanto de potência reduzida. São as placas de filme que tem uma GPU potente. Ter uma bacana GPU é fundamental pra poder treinar modelos.
é que, sem uma GPU instalada, treinar uma rede neural poderá levar horas, dias e até mesmo meses. Com uma GPU potente, em troca, o tempo de treino diminui consideravelmente, podendo ser de minutos ao invés de horas ou dias ao invés meses. Deste jeito, queremos experienciar com diferentes desenhos de modelos e parâmetros em menos tempo.
NVIDIA é a líder absoluta na venda de GPU. Por um lado, as tuas bibliotecas modelo, você podes trabalhar com CUDA, uma plataforma de computação paralela é muito mais potente que OpenCL (a que utiliza AMD). Por outro lado, entre suas livrarias há uma especializada em deep learning: NVIDIA CUDA Deep Neural Network library (cuDNN) .
- Federicondor (discussão) 22:52 quatrorze jun 2017 (UTC)
- 169 assim como Para você
- Preenchimento de um comando de consola melhorado
- 3 Organização e colaboradores
- três Mensagens instantâneas
Esta extenso vantagem inicial vem acompanhada, ademais, de um agradável suporte. E é que CUDA conta com uma comunidade muito extensa, graças à qual poderemos encontrar dicas sobre praticamente cada defeito que tenhamos. Seus GPU são potentes e de particularidade, mas não são compatíveis com CUDA e isso é uma enorme desvantagem.
Em seu local, a AMD trabalha com OpenCL e a plataforma ROCm. ROCm usa HIP pra poder unificar as GPUS de cada tipo numa mesma linguagem. Mas, mesmo que a idéia é interessante, é muito tedioso, checar o código escrito em TensorFlow e Pytorch a linguagem que propõe AMD. Faz insuficiente tempo que TensorFlow é compatível com as GPUS da AMD e, se bem que de imediato é possível exercer a maioria dos modelos, fazer um novo, você ainda pode ceder muitos problemas.
Ademais, a comunidade de ROCm não é tão extensa e, então, não há tanta fato na hora de solucionar dificuldades. Antes, para saber se uma GPU ia render melhor que a outra, bastava ser estabelecido em sua largura de banda ou bandwith (quantidade de detalhes que o cartão podes aceder em cada tempo).