為什麼訓練深度學習模型需要 GPU？大多數人在使用深度學習時都會聽到令人興奮的事情。您可能也聽說過深度學習需要大量硬體。我看過人們在筆記型電腦上訓練一個簡單的深度學習模型好幾天（通常沒有GPU），這給人的印像是深度學習需要大型系統才能運作。
然而，這只是部分正確，並創造了一個關於深度學習的神話，為初學者製造了障礙。很多人問我哪種類型的硬體最適合進行深度學習。我希望透過這篇文章來回答這些問題。
目錄
深度學習需要大量硬體
訓練深度學習模型。
這兩種運算本質上都是矩陣乘法。
如何更快訓練你的神經網路？
深度學習需要大量硬體
在筆記型電腦上學習模型當我第一次接觸深 希臘 whatsapp 負責人 度學習時，我認為深度學習必然需要一個大型資料中心來運行，而「深度學習專家」會坐在他們的控制室中來操作這些系統。
這是因為在我提到的每一本書或我聽到的每一次演講中，作者或演講者總是說深度學習需要大量的運算能力來運作。但當我在我的精實機器上建立第一個深度學習模型時，我鬆了一口氣！我不必假設自己是 Google 就能成為深度學習專家。
這是所有初學者在深入學習深度學習時都會遇到的常見錯誤。雖然深度學習確實需要大量硬體才能有效運行，但完成其任務並不需要無限的硬體。您甚至可以在筆記型電腦上運行深度學習模型！
只是一點免責聲明；您的系統越小，獲得具有足夠好的性能的經過訓練的模型所需的時間就越長。
讓我們問自己一個簡單的問題；為什麼深度學習需要更多硬體？
答案很簡單，深度學習是一種演算法，一種軟體建構。我們用我們最喜歡的程式語言定義了一個人工神經網絡，然後將其轉換為一組在電腦上執行的命令。
如果您必須猜測您認為哪些神經網路組件會佔用硬體資源，您的答案是什麼？
我不考慮的一些候選人是：
輸入資料預處理。
訓練深度學習模型。
儲存訓練好的深度學習模型
模型部署
其中，訓練深度學習模型是最密集的任務。讓我們詳細看看為什麼會這樣。
訓練深度學習模型。