入门机器学习，加个显卡还是神经计算棒？

[jzq526]

最近打算学习一下机器学习。发现可以用显卡进行加速，然后又发现 intel 出了个神经计算棒，据说也有加速功能。 鉴于最近手头比较紧，现有的机子也比较老，不想过多投资，因此预算有限。 请教一下两种加速方式都用过的朋友，神经计算棒和同价位的显卡（大概是高端一点的 GTX7 系列或者终端的 9 系显卡），哪个效果更好一些？ （我知道这俩都不咋样，GTX 显卡某些方面有阉割，没有看上去那么好；计算棒受限于功率，也不可能多强，能入门即可。短期内我也不会靠这个吃饭，所以预算不多）

[bumz]

为啥不租 GCP/AWS

[jmc891205]

只是入门的话 Google Colab 就够用了吧 免费提供一块 GPU 或者 TPU

[whileFalse]

神经计算棒

[whileFalse]

神经计算棒只能用来推理，不能训练。而且它推理时使用的模型还是低精度的，需要从标准模型转换。

[flyaway]

单纯为了学习的话，其实不值得自己买机器，各种云计算足够了。

[jzq526]

@bumz @jmc891205 谢谢提醒。不过暂时还是想在自己的机子上折腾。

[wqzjk393]

普通 pc 就行，等你神经网络学的深入了，需要进行大量运算了可以去租服务器跑，按小时计算的那种。https://www.v2ex.com/t/608981#reply15

[jzq526]

@whileFalse 如果不能做训练，那它只能作为一个终端上的零件使用了。这应该需要通过其他途径做训练了。还是一些框架里面自带有训练好的模型？
显卡能否加速训练呢？

[whileFalse]

@jzq526 计算棒就是作为低功耗终端的零件用的。比如链接树莓派和摄像头做高帧率人脸识别。

[jzq526]

@wqzjk393 有道理。我上次接触这些技术，还是上大学时，那时还没有机器学习深度学习这些，只有神经网络。当年写的一个神经网络第一次训练就跑了 17 个小时（后来优化到几分钟），到现在还是记忆犹新，所以想再捡起来的时候先考虑的加速问题

[jzq526]

@whileFalse 我猜的啊，如果要区别人脸和猪头，应该有现成的模型了；但如果要通过人脸识别身份，是不是还需要做训练？那显卡能不能加速这个训练过程？

[nvkou]

手头紧 机子老。升级装备对自己好点吧，gpu 也不用买，入门能有多大的量

[tfdetang]

Google Colab 他不香吗？ chrome 有插件支持把 github 项目一键导入 Colab。 什么你不会翻？ 就靠着国内过时的书还有百度搜索，连 tensorflow 官网都上不去，那基本不要玩这个了

[sky101001]

之前买了个 6g 的 p106，299，用着感觉不错

[shikimoon]

如果是自己玩玩的话没必要买，直接 aws 走起。比赛的话现在的 sota 模型对个人选手太不友好，全是又深又大几 E 参数起的，没个几块 v100 别指望拿好名次

[coderluan]

便宜显卡基本没用，计算棒不能训练，所以还是上云吧，据我所知，AWS 最省钱

[jzq526]

@tfdetang 兄弟，谢谢你的建议，但，跑题了，我暂时在单机上学习，所以有此一问。和能不能翻墙无关。而且，TensorFlow 官网没有被墙。

[jzq526]

@shikimoon 早就不参加比赛了，毕业十几年了。上学时写过神经网络，现在只不过是想重新捡起来，看看能做点什么罢了