Q&A_T-1：来自萌新的深度学习问题集

萌新的深度学习Q&A第一期-目录

• • 1. 我的个人电脑所配备的GPU是否具备在本地执行深度学习任务的能力？
    • 2. 面对种类繁多的Nvidia系列GPU产品，该如何进行合理的选择？
    • 3. 通常情况下，运行深度学习模型需要配置多少容量的显存？
    • 4. 评估GPU计算能力的核心参数有哪些？
    • 5. 当计算能力不足时，应采取哪些应对措施？
    • 6. 如何制定深度学习的学习路径与发展方向？

1. 我电脑的GPU能本地跑深度学习么？

首先需要确认所使用的显卡制造商，若为Nvidia（英伟达）品牌，则值得庆幸的是，可以顺利安装并使用当前主流且技术相对完善的CUDA深度学习通用并行计算架构。

若所使用的是AMD品牌的显卡，也不必感到沮丧，该平台同样具备专属的开发框架，其名称为ROCm，不过现阶段在兼容性与运行效率方面仍存在一定的提升空间。

关于CUDA（适用于N系列显卡）与ROCm（适用于A系列显卡）的具体安装说明文档链接如下：

>       https://docs.nvidia.com/cuda/index.html
>       https://rocmdocs.am