挖礦機可以用來深度學習嗎
㈠ 深度學習可以用ryzen的cpu嗎
目前發布的幾款8核心銳龍處理器都是單純的CPU，沒有集成顯示單元，配機需要另購獨立顯卡。
㈡ 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。
㈢ 深度學習和挖礦對於顯卡來說啥區別
具體效果以實際運行情況為准，
不同配置的運行效果都是不同的。
㈣ AI深度學習可以跟大數據結合嗎
非常需要結合
人工智慧目前的實現方式是機器學習，就是用數據來訓練模型，達到解決問題的精度
深度學習就是機器學習裡面最硬核的技術，最需要數據
大數據提供數據能很好的為深度學習提供肥料，可以這么理解
㈤ 機器學習和深度學習能應用到哪些場景在自興可以學到嗎
深度學習開創出眾多機器學習方面的實際應用和全面推廣人工智慧領域 ，解決了許多任務，看起來有可能實現機器助手的夢想。無人駕駛車、更好的醫療預防服務，甚至是推薦更好看的電影，這些都已實現或在不遠的道路上。人工智慧則是處在當下和未來。至於你說的在自興能不能學的這些，我可以肯定的告訴你，當然能啊。因為我就是自興的學生，嘻嘻嘻，我還想學好這些，以後造一個終結者出來，哈哈。
㈥ 深度學習到底能幹什麼
深度學習是機器學習的一個分支，信息時代大數據為深度學學習提供了廣闊的用武之地。可以預見，深度學習在未來幾十年仍會保持旺盛的勢頭。
對於在校生或者想轉行的人員，如果想往深度學習發展，未來的職業發展方向有哪些呢？主要有以下幾種
1）深度學習工程師。主要負責深度學習框架搭建、機器學習、圖像處理等的演算法和系統研發，支持公司相關產品在深度學習領域的研究。
2）機器視覺研發工程師。主要從事圖像分析與理解領域的技術研發與工程落地，將深度學習技術運用到人臉識別、OCR、物體檢測、分類、分割等具體領域，構建與優化深度學習模型，提升效果、性能與易用性。
3）語音識別工程師。主要負責語音識別核心模型的演算法優化，跟蹤業界領先的語音識別演算法技術，推動語音識別研究進展。
4）自動駕駛工程師。主要負責高可靠自動駕駛軟體系統的設計和實現、系統的優化與維護，根據自動駕駛功能需求，規范細化軟體開發，完成計算平台軟體開發環境的搭建，將演算法移植到指定硬體平台，並進行性能優化。
㈦ 深度學習可以使用JAVA進行編寫嗎
可以使用java學習的，因為深度學習的話，是可以使用任何編程語言實現了，它是一種邏輯方式。
㈧ 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
㈨ 可以跳過機器學習進行深度學習嗎
當然要先學習機器學習，畢竟深度學習也是機器學習的一個分支，說白了就是深層的神經網路。機器學習的書籍推薦周志華的《機器學習》和李航的《統計學習方法》。
深度學習並不是萬能的，所以要系統全面地學習，另外還要復習《概率論》。
㈩ 深度學習技術能用來做什麼
其實咱們的實際生活中已經有很多應用深度學習技術的案例了。
比如電商行業，在瀏覽淘寶時，頁面中有很多都是符合你的愛好並且最近有意向購買的商品，這種個性化推薦中就涉及到深度學習技術，還有就是在購物界面能和你進行對話，解決疑問的淘寶智能機器人，也涉及深度學習技術。
比如交通領域，通過深度學習技術能監測到車輛停車、逆行等行為，甚至精確識別車輛的車牌號、顏色、車型、車輛里的人物等來輔助交通執法，甚至在發生交通事故和交通擁堵時進行報警等。
比如金融行業，銀行通過深度學習技術能對數以百萬的消費者數據（年齡，職業，婚姻狀況等）、金融借款和保險情況（是否有違約記錄，還款時間，車輛事故記錄等）進行分析進而判斷出是否能進行貸款服務。
比如家居行業，智能家居的應用也用到了深度學習技術，比如智能冰箱通過圖像識別等技術記錄食材種類和用戶日常飲食數據，進而分析用戶的飲食習慣，並根據多維度給出最全面的健康膳食建議。
比如製造行業，機器視覺已經長期應用在工業自動化系統中，如儀錶板智能集成測試、金屬板表面自動控傷、汽車車身檢測、紙幣印刷質量檢測、金相分析、流水線生產檢測等等，機器視覺自動化設備可以代替人工不知疲倦的進行重復性的工作，且在一些不適合於人工作業的危險工作環境或人工視覺難以滿足要求的場合，機器視覺可替代人工視覺。
還有教育行業、醫療行業等，深度學習技術已經滲透到各個行業和領域。