以前在大学一个实验室就几块GPU

十几个PhD一起用

有时还有几个Master学生来抢“资源”

现在到了业界

德国某车厂自动驾驶部门机器学习组

总算翻身作主人了！！！

以下show case我们group的基本配置

1. GPU

这个不多解释了，深度学习训练、推断都在GPU上跑

动辄几万张图片的数据库，训练起来快则十几个小时，慢则几周

如果GPU配置不行，以上时间再以几何倍数翻番

GPU内存大学决定了Batch Size（同时训练时间）

价格1000刀/块

显存11GB

人手俩块

组里俩位“资深”同事用的3400美元一块的TITAN V

显存12GB

640 TENSOR CORES

同样是俩块

另外还有16个GPU的cluster

2. CPU、内存

深度学习需要做一些预处理、后处理

这些还是在CPU上完成的

图片从硬盘导入GPU训练，需要通过RAM

CPU核数：32核

内存RAM：64GB

3. 硬盘

用来存储海量训练和Validating 开源Data set，和公司自己的set

以及，硬盘读取速度也一定程度决定了RAM、GPU的读图速度

（这个忘了截图了，本地硬盘应该是1-2TB吧，外加cluster）

4. 主机

这块不是很熟，毕竟不是自己组装的电脑

不过大小确实比较impressive～

5. 结语

深度学习需要深度调参

以及调网络架构这个乐高模块

每调一个参数或架构便需要一次完整的训练（1-N天）

深度学习时代，得GPU者得天下（参考Google那些暴力paper）

欢迎在留言区报告你所在组的电脑配置，以及组里多少人share～

利益相关：

知乎Live语音直播:

我（打酱油）与牛津大学实验物理博士，牛津大学某CV Lab（世界Top计算机视觉Lab）医学图像博士后联合主讲～欢迎各位捧场～

Live中我还会分享中国和德国运筹学、AI就业的一些经验，欢迎探讨。

也欢迎乐于分享的朋友联系我们(公众号: 『运筹OR帷幄』 )，商讨合作举办live。

更多人工智能、数据科学干货，敬请关注：

关注同名公众号『运筹OR帷幄』，后台回复“ 加微信群 ”，加入近1w名成员的全球人工智能硕博学者群～