Gibt es eine Alternative zur NVIDIA-Grafikkarte für Deep Learning mit GPU-Computing?

Question

Jetzt arbeite ich an einem tiefen Lernproblem. Ich versuche, Convolutional neuronales Netzwerk in Matlab zu verwenden. Aber die Dokumentation sagt, wir brauchen NVIDIA-Grafikkarte für GPU-Computing.

Mein Laptop hat Intel HD Grafikkarte 2600 für die Grafikverarbeitung. Also kann jemand andere Optionen raten, die wir in diesem Fall haben, um die Deep-Learning-Algorithmen und Convnet-Algorithmen auszuführen.

Kann ich diese Algorithmen ohne GPU-Computing ausführen und was ist der Effekt (im Zeitunterschied).

Answer 1

Mit einer integrierten Intel-Grafikkarte wird man nicht viel erreichen können. Erstens verwenden die meisten Deep-Learning-Frameworks CUDA, um GPU-Berechnungen zu implementieren, und CUDA wird nur von den NVidia-GPUs unterstützt. Es gab mehrere Versuche, die Standard-Deep-Learning-Frameworks auf OpenCL zu erweitern, insbesondere Theano hat eine incomplete OpenCL backend und Caffe wurde ported to OpenCL von der AMD-Forschungslabor. Diese sind jedoch an dieser Stelle entweder unvollständig oder nicht so aktiv gepflegt.

Das andere Problem ist die Leistung. Abhängig von Ihrer Anwendung benötigen Sie möglicherweise eine viel bessere GPU als das, was Ihr Laptop bieten kann. Es ist nicht ungewöhnlich, Multi-GPU-Maschinen mit NVidia Titans zu verwenden, um Netzwerke für Tage oder sogar Wochen zu trainieren.

Meine Empfehlung ist, entweder eine dedizierte Maschine für Deep-Learning-Berechnungen zu kaufen (eine einzelne GPU-Maschine mit der gerade veröffentlichten NVidia GTX 1080 kann für den Preis eines Standard-Laptops gekauft werden) oder mieten GPU-Instanzen auf Amazon EC2.