Depende principalmente del software que se ejecuta, la cantidad de datos y el tamaño de los valores de entrenamiento. Cabe enfatizar aquí que el tamaño del valor y la cantidad de datos son diferentes.
Los componentes centrales del servidor de aprendizaje profundo son la CPU, el disco duro, la memoria y la GPU. En particular, muchos métodos de aprendizaje profundo se basan en las capacidades de procesamiento de datos a gran escala de la GPU, que enfatiza la informática. potencia y cantidad de la CPU. Al mismo tiempo, diferentes datos también tienen diferentes requisitos para la memoria de la GPU.
Actualmente, la mayoría de la gente usa RTX3090 para aprendizaje profundo. Se lanzó el último RTX4090. Su potencia informática de precisión simple es el doble que la del RTX3090. Ambas GPU tienen memoria de video de 24G, como la A100. -Capacidad de computación de precisión Hay dos versiones de memoria de video: 40G y 80G. El rendimiento de computación de precisión simple del A6000 es similar al del RTX3090. La memoria de video es 48G, por lo que puede elegirla como referencia.
Por supuesto, lo más importante es el dinero en su bolsillo. El precio de mercado del A6000 es aproximadamente el doble que el del RTX. Recientemente, el A100 ha costado más de 100.000 yuanes. pronto no estará disponible. El precio es alto. Agotado; RTX3090/4090 es económico y rentable, por lo que la mayoría de la gente los elige para el aprendizaje profundo.