跑深度學習和挖礦

1. 現在跑機器學習（深度學習）有必要話幾十萬買設備嗎可以雲計算嗎

幾千塊錢的顯卡就足夠了
這個問題其實還是根據你實際任務的價值來定，如果你的項目經費有幾百萬，你評估使用技術能高效率很高的話，那麼幾十萬的設備還是劃算的，
但是如果你只是學習，或者是做比較淺的應用的話，那就不建議你考慮這么貴的設備了
雲計算也是一個錯的方式，未來很多計算可能會以雲計算付費的形式來完成，現在很多雲平台已經出售了深度學習算力，你可以關注一下，總之你現在沒必要花幾十萬來買設備

2. 跑深度學習對顯卡有影響嗎

如果這個軟體有挖礦功能，則會損傷顯卡

3. 安裝深度學習框架對電腦有什麼影響

就描述，安裝的話，對電腦沒影響。如果去跑這些，很吃時間，跟挖礦差不多。所以長時間高負荷運行的話，電腦硬體老化會比較快
不懂繼續問，滿意請採納。

4. 自己的電腦可以跑深度學習嗎

自己的電腦可以跑深度學習，但是對電腦還是要有點要求的，畢竟跑代碼，以及深度學習很費時間的。

5. Intel(R) HD Graphics可以用GPU跑深度學習嗎

Intel(R) HD Graphics是集成顯卡，並沒有GPU，而是使用CPU來運行的。Intel(R) HD Graphics可以用GPU跑深度學習嗎？

6. CPU和GPU跑深度學習差別有多大

GPU 的架構與 CPU 很不一樣。首先，GPU 並不具備多功能性。其次，與消費級 CPU 個位數的核心數目不同，消費級的 GPU 通常有上千個核心——特別適合處理大型數據集。由於 GPU 在設計之初有且只有一個目的：最大化並行計算。每一代製程縮減直接帶來更多的核心數量（摩爾定律對於 GPU 更明顯），意味著 GPU 每年有大約 40% 的性能提升。
GPU適合深度學習的三大理由（按重要程度排序）：高寬頻的內存；多線程並行下的內存訪問隱藏延遲；數量多且速度快的可調整的寄存器和L1緩存。
深度學習之中使用神經網路訓練，一個最大的問題就是訓練速度的問題，特別是對於深度學習而言，過多的參數會消耗很多的時間，在神經網路訓練過程中，運算最多的是關於矩陣的運算，這個時候就正好用到了GPU，GPU本來是用來處理圖形的，但是因為其處理矩陣計算的高效性就運用到了深度學習之中。

7. 深度學習和挖礦對於顯卡來說啥區別

1. 具體效果以實際運行情況為准，

2. 不同配置的運行效果都是不同的。

8. 什麼是深度學習如何保持深度學習

現在的科技發展速度非常快，對於智能設備將是一個發展方向，而其實我們以為的智能設備並不具備我們這樣的學習能力，他們是通過無數圖片，視頻去發現其中的學習秘密，然後慢慢發展成為智能化的，其中大家最熟知的就是深度學習這個詞了，但是很多人不知道什麼是深度學習？如何保持深度學習？其實簡單來說就是電腦晶元的深度挖掘，可以讓晶元處於長時間的工作達到保持深度學習。

這里其實我們就可以看做平時挖礦人員，用顯卡去挖礦，不是一張顯卡就能搞定的，需要弄很多顯卡成一個工作室，來同時不間斷挖礦，但是這也是非常消耗晶元壽命的，這樣的顯卡一般壽命都無法保證，說個題外話，也不建議懂電腦的人去買礦卡，雖然便宜但是沒有任何保證，說不定哪天打游戲就突然掛了，這是沒有任何維修的，不要貪圖這種小便宜。

9. 普通計算機跑深度學習會對電腦壽命有影響嗎

不會有影響。
主要是cpu運算和內存存取，這兩種操作對電腦壽命的影響可以忽略。
cpu和內存的工作壽命相當長的，中等負荷下，即使十年不停地工作都沒問題。

10. win伺服器跑深度學習內存溢出怎麼辦

怎麼知道tomcat伺服器內存溢出了呢？看一下cmd命令行顯示的內容就知道了，e就是內存溢出

找到tomcat路徑，用編輯器打開catalina.sh

在

保存後，重新啟動tomcat伺服器，這時候應該正常了，如果還是提示內存溢出，只能是下面的這種情況了

內存溢出的另外一種情況就是：電腦內存不夠了！這種情況是很有可能發生了，出現內存溢出的時候大家可以檢查一下。

這種電腦內存不夠，只能建議大家給電腦加一根內存條，不加就刪除一些程序，清理一下電腦。