AI入门----深度学习的软硬件配置

论软硬件配置的重要性
深度学习被戏称为“炼丹”，所以用来训练深度学习的机器就被称为“炼丹炉”。古人炼丹的时候采用的原料都是混合物，使用的火分为“文火”和“武火”，也没有使用惰性气体保护。所有的物质、条件等都没有量的概念，甚至炼丹师都不知道各种物质之间发生了什么反应，所以在这样的条件下想要练出质量合格的丹药是难上加难。

我们的深度学习之所以被称为“炼丹”，其实也是有原因的。例如，一个深度学习模型中使用多少层，每一层中神经元的个数、连接方式等都可以变化，都可以得到期望的结果，但是仔细去分析这些参数，却又完全无法解释。这种“黑盒”的状态跟“炼丹”很相似。所以深度学习没有确切的理论进行指导，我们只能依靠经验，而经验是依靠前人传授以及自己不断试错得到的。既然是试错，那就需要用很高配置的硬件来尽可能快的完成试错过程。
深度学习中有一类计算称之为“卷积”操作，简单来说就是矩阵的乘法、加法。这一类操作在CPU中运行的比较慢，在 (英伟达显卡) GPU中运行比较快 (约100倍)。也就是说同样一个卷积神经网络，用CPU可能需要1小时才能训练完，但用GPU只需要半分钟。所以说要学会/好深度学习，一定要有一台好的炼丹炉。这里给一个推荐：
RTX3090显卡，I7的10700CPU，32或64G内存，1-2T的SSD硬盘。另外的配置包括机箱、电源、主板等也要配套。总价约20000人民币。

说完硬件再说说软件。目前最流行的几个机器学习框架是TensorFlow、Keras和PyTorch。TensorFlow最大的优势是先入为主，占据了大量市场，而且部署到工业应用比较方便。缺点是不同版本之间的兼容性差。Keras是以TensorFlow为基础的一个框架，使用很方便。TensorFlow 2.X版本中已经集成了Keras，使用也很方便。PyTorch