1. 深度学习硬件：CPU 和 GPU

2. Q & A

1. 增加数据，可以提高泛化性。
1. AlexNet用到全连接层， ResNet 比AlexNet更小；但是ResNet的运算量比AlexNet 更大。
1. 深度神经网络，添加层数也是超参数。
1. 硬件的发展是遵循摩尔定律，计算量前期是指数型。对应的增长时间，复杂度图如下。

参考

https://www.bilibili.com/video/BV1TU4y1j7Wd/?spm_id_from=trigger_reload

深度学习硬件：CPU 和 GPU 动手学深度学习v2相关推荐

【动手学深度学习PyTorch版】23 深度学习硬件CPU 和 GPU
上一篇请移步[动手学深度学习PyTorch版]22续 ResNet为什么能训练出1000层的模型_水w的博客-CSDN博客目录一.深度学习硬件CPU 和 GPU 1.1 深度学习硬件 ◼ 计算机构 ...
【深度学习】李沐《动手学深度学习》的PyTorch实现已完成
这个项目是中文版<动手学深度学习>中的代码进行整理,用Pytorch实现,是目前全网最全的Pytorch版本. 项目作者:吴振宇博士简介 Dive-Into-Deep-Learnin ...
0921深度学习硬件CPU和GPU
计算机构成 CPU(处理器):除了运行操作系统和其他许多功能外,还能执行程序:通常由 8 个或者更多个核心组成内存(随机访问存储,RAM):用于存储和检索计算结果,如权重向量和激活参数,以及训练数 ...
《动手学深度学习》课后习题3
<动手学深度学习>学习网址: 参考资料 <动手学深度学习>中文版官网教材: PyTorch中文文档: 部分PyTorch代码来自GitHub开源仓库: <动手学>: ...
win11动手学深度学习安装过程（GPU版）（ CUDA Anaconda Mxnet )
win11,动手学深度学习安装过程(GPU版)( CUDA / Anaconda / Mxnet )(备忘) 一.检查及安装CUDA 首先检查显卡支持的cuda: 直接搜索NVIDIA,选择NVIDI ...
使用AWS最便宜的GPU实例 from 动手学深度学习v2 李沐大神
使用AWS最便宜的GPU实例 from 动手学深度学习v2 李沐大神视频链接https://www.bilibili.com/video/BV1MA411L78X?t=493 由于购买的电脑没有配 ...
《动手学深度学习》环境搭建全程详细教程 window用户
一.下载并安装Miniconda 第一步是根据操作系统下载并安装Miniconda,在安装过程中需要勾选"Add Anaconda to the system PATH environmen ...
动手学深度学习实现DAY-2
节选自"ElitesAI·动手学深度学习PyTorch版" Task03:过拟合.欠拟合及其解决方案:梯度消失.梯度爆炸:循环神经网络进阶(1天) Task04:机器翻译及相关技术 ...
《动手学深度学习》—学习笔记
文章目录深度学习简介起源特点小结预备知识获取和运行本书的代码 pytorch环境安装方式一方式二数据操作创建运算广播机制索引运算的内存开销 NDArray和NumPy相互变 ...
【动手学深度学习PyTorch版】27 数据增强
上一篇请移步[动手学深度学习PyTorch版]23 深度学习硬件CPU 和 GPU_水w的博客-CSDN博客目录一.数据增强 1.1 数据增强(主要是关于图像增强) ◼ CES上的真实的故事 ◼ ...

深度学习硬件：CPU 和 GPU 动手学深度学习v2

1. 深度学习硬件：CPU 和 GPU

2. Q & A

参考

深度学习硬件：CPU 和 GPU 动手学深度学习v2相关推荐

最新文章

热门文章