白嫖GPU指南（不会有人用CPU来训练模型和进行算法的效果测试吧）

参考：为什么深度学习需要使用GPU？

笔记：

1. 多核并行：GPU最早是用于图形渲染、计算，多核并行提高渲染速度
2. 计算类型简单统一：CPU和GPU之所以大不相同，是由于其设计目标的不同，它们分别针对了两种不同的应用场景。CPU需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得CPU的内部结构异常复杂。而GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。
3. 部分机器学习算法，比如遗传算法，神经网络等，也具有这种分布式及局部独立的特性（e.g.比如说一条神经网络中的链路跟另一条链路之间是同时进行计算，而且相互之间没有依赖的），这种情况下可以采用大量小核心同时运算的方式来加快运算速度。

 

参考：【PyTorch深度学习预习课1】GPU购买与白嫖指南

笔记：

1. 白嫖GPU请空降22:33
2.  
3. 
4. 看上图可以得知各平台可以白嫖的GPU类型，显存，磁盘，登录条件和限制。

 

参考：保姆级GPU白嫖攻略

笔记：

1. 为什么需要N卡？学习深度学习算法需要GPU，特别是Nvidia的显卡，AMD的不行。因为主流的推理框架，都需要在 NVIDIA 推出的 CUDA 运算平台上进行，使用上这也是最方便的。
2. 为什么用cpu进行深度学习不行？因为深度学习使用 GPU 运算很快，用 CPU 巨慢无比。如果只是进行算法的效果测试，那姑且可以用 CPU 试一试，不过很多算法就算测试，可能也需要跑上十几分钟。如果要进行算法的训练，那必须用 GPU，用 CPU 跑训练会跑到怀疑人生，几个月不断电都未必训练好算法。
3. 有哪几个地方可以白嫖GPU资源？
4. Colab优缺点？优点1：很多开源的算法，都直接提供了 Colab的运行脚本。  优点2：无需配置开发环境，直接运行体验算法效果。  缺点1：需要tizi。
5. Kaggle优缺点？优点1：登录不需要tizi，验证手机号需要。  缺点1：加载页面速度有些慢。
6. 阿里云天池优缺点？优点1：不需要tizi。  缺点1：加载页面速度有些慢。
7. 百度 AI studio 优缺点？优点1：显存和磁盘存储都很大，有详细的文档和视频。缺点1：只能使用 Paddle 框架。（百度自家的框架）