白嫖GPU指南（不會有人用CPU來訓練模型和進行算法的效果測試吧）

參考：為什么深度學習需要使用GPU？

筆記：

1. 多核並行：GPU最早是用於圖形渲染、計算，多核並行提高渲染速度
2. 計算類型簡單統一：CPU和GPU之所以大不相同，是由於其設計目標的不同，它們分別針對了兩種不同的應用場景。CPU需要很強的通用性來處理各種不同的數據類型，同時又要邏輯判斷又會引入大量的分支跳轉和中斷的處理。這些都使得CPU的內部結構異常復雜。而GPU面對的則是類型高度統一的、相互無依賴的大規模數據和不需要被打斷的純凈的計算環境。
3. 部分機器學習算法，比如遺傳算法，神經網絡等，也具有這種分布式及局部獨立的特性（e.g.比如說一條神經網絡中的鏈路跟另一條鏈路之間是同時進行計算，而且相互之間沒有依賴的），這種情況下可以采用大量小核心同時運算的方式來加快運算速度。

 

參考：【PyTorch深度學習預習課1】GPU購買與白嫖指南

筆記：

1. 白嫖GPU請空降22:33
2.  
3. 
4. 看上圖可以得知各平台可以白嫖的GPU類型，顯存，磁盤，登錄條件和限制。

 

參考：保姆級GPU白嫖攻略

筆記：

1. 為什么需要N卡？學習深度學習算法需要GPU，特別是Nvidia的顯卡，AMD的不行。因為主流的推理框架，都需要在 NVIDIA 推出的 CUDA 運算平台上進行，使用上這也是最方便的。
2. 為什么用cpu進行深度學習不行？因為深度學習使用 GPU 運算很快，用 CPU 巨慢無比。如果只是進行算法的效果測試，那姑且可以用 CPU 試一試，不過很多算法就算測試，可能也需要跑上十幾分鍾。如果要進行算法的訓練，那必須用 GPU，用 CPU 跑訓練會跑到懷疑人生，幾個月不斷電都未必訓練好算法。
3. 有哪幾個地方可以白嫖GPU資源？
4. Colab優缺點？優點1：很多開源的算法，都直接提供了 Colab的運行腳本。  優點2：無需配置開發環境，直接運行體驗算法效果。  缺點1：需要tizi。
5. Kaggle優缺點？優點1：登錄不需要tizi，驗證手機號需要。  缺點1：加載頁面速度有些慢。
6. 阿里雲天池優缺點？優點1：不需要tizi。  缺點1：加載頁面速度有些慢。
7. 百度 AI studio 優缺點？優點1：顯存和磁盤存儲都很大，有詳細的文檔和視頻。缺點1：只能使用 Paddle 框架。（百度自家的框架）