跑深度模型的显卡_2020年人工智能深度学习 GPU 解决方案推荐

纵观人类几百年来的科技发展史，几乎所有的新兴学科的发展背后都有两个字——“烧钱”！

作为近年来最火热的行业——人工智能，在烧钱方面同样不遑多让。众所周知，人工智能的训练和推理都需要海量的高性能计算，大型企业或者研究机构可以一掷千金部署 HPC；中小型企业或个人研究者通常选择购置性能强劲的 GPU 搭建工作站。那么，2020年的研究者们应该配备什么样的 GPU 才能满足深度学习的需求呢？

做深度学习的朋友都知道，现今深度学习领域最先进的(SOTA)模型往往需要巨大的显存空间，这直接导致了深度学习的研究者们需要配置更强劲的 GPU 设备，否则就会分分钟面临显存不足的窘境。在 techtestreport 的一篇显卡横向测评文章《Best GPU for Deep Learning & AI (2020)》中，研究者们对比了现阶段4款顶尖GPU显卡，并测试了它们对于深度学习 SOTA 模型的支持程度及其AI性能。而更早一些的 lambda 上的一篇结论相似的文章则增加了更多中低端 GPU 的测试。

不管是 techtestreport 还是 lambda ，其最终结论都大同小异：随着深度学习技术的突飞猛进，想要凭借一块 12G 内存的 GPU 通吃图像模型的时代已经一去不复返了——2020年的你至少需要一块2500美元左右的Titan RTX 才可以勉强跑通业界性能最好的模型。

lambda 的评测中包含了以下几款 GPU ：

• RTX 8000：48GB 显存，约 5300