跑深度学习和挖矿
1. 现在跑机器学习（深度学习）有必要话几十万买设备吗可以云计算吗
几千块钱的显卡就足够了
这个问题其实还是根据你实际任务的价值来定，如果你的项目经费有几百万，你评估使用技术能高效率很高的话，那么几十万的设备还是划算的，
但是如果你只是学习，或者是做比较浅的应用的话，那就不建议你考虑这么贵的设备了
云计算也是一个错的方式，未来很多计算可能会以云计算付费的形式来完成，现在很多云平台已经出售了深度学习算力，你可以关注一下，总之你现在没必要花几十万来买设备
2. 跑深度学习对显卡有影响吗
如果这个软件有挖矿功能，则会损伤显卡
3. 安装深度学习框架对电脑有什么影响
就描述，安装的话，对电脑没影响。如果去跑这些，很吃时间，跟挖矿差不多。所以长时间高负荷运行的话，电脑硬件老化会比较快
不懂继续问，满意请采纳。
4. 自己的电脑可以跑深度学习吗
自己的电脑可以跑深度学习，但是对电脑还是要有点要求的，毕竟跑代码，以及深度学习很费时间的。
5. Intel(R) HD Graphics可以用GPU跑深度学习吗
Intel(R) HD Graphics是集成显卡，并没有GPU，而是使用CPU来运行的。Intel(R) HD Graphics可以用GPU跑深度学习吗？
6. CPU和GPU跑深度学习差别有多大
GPU 的架构与 CPU 很不一样。首先，GPU 并不具备多功能性。其次，与消费级 CPU 个位数的核心数目不同，消费级的 GPU 通常有上千个核心——特别适合处理大型数据集。由于 GPU 在设计之初有且只有一个目的：最大化并行计算。每一代制程缩减直接带来更多的核心数量（摩尔定律对于 GPU 更明显），意味着 GPU 每年有大约 40% 的性能提升。
GPU适合深度学习的三大理由（按重要程度排序）：高宽带的内存；多线程并行下的内存访问隐藏延迟；数量多且速度快的可调整的寄存器和L1缓存。
深度学习之中使用神经网络训练，一个最大的问题就是训练速度的问题，特别是对于深度学习而言，过多的参数会消耗很多的时间，在神经网络训练过程中，运算最多的是关于矩阵的运算，这个时候就正好用到了GPU，GPU本来是用来处理图形的，但是因为其处理矩阵计算的高效性就运用到了深度学习之中。
7. 深度学习和挖矿对于显卡来说啥区别
具体效果以实际运行情况为准，
不同配置的运行效果都是不同的。
8. 什么是深度学习如何保持深度学习
现在的科技发展速度非常快，对于智能设备将是一个发展方向，而其实我们以为的智能设备并不具备我们这样的学习能力，他们是通过无数图片，视频去发现其中的学习秘密，然后慢慢发展成为智能化的，其中大家最熟知的就是深度学习这个词了，但是很多人不知道什么是深度学习？如何保持深度学习？其实简单来说就是电脑芯片的深度挖掘，可以让芯片处于长时间的工作达到保持深度学习。
这里其实我们就可以看做平时挖矿人员，用显卡去挖矿，不是一张显卡就能搞定的，需要弄很多显卡成一个工作室，来同时不间断挖矿，但是这也是非常消耗芯片寿命的，这样的显卡一般寿命都无法保证，说个题外话，也不建议懂电脑的人去买矿卡，虽然便宜但是没有任何保证，说不定哪天打游戏就突然挂了，这是没有任何维修的，不要贪图这种小便宜。
9. 普通计算机跑深度学习会对电脑寿命有影响吗
不会有影响。
主要是cpu运算和内存存取，这两种操作对电脑寿命的影响可以忽略。
cpu和内存的工作寿命相当长的，中等负荷下，即使十年不停地工作都没问题。
10. win服务器跑深度学习内存溢出怎么办
怎么知道tomcat服务器内存溢出了呢？看一下cmd命令行显示的内容就知道了，e就是内存溢出
找到tomcat路径，用编辑器打开catalina.sh
在
保存后，重新启动tomcat服务器，这时候应该正常了，如果还是提示内存溢出，只能是下面的这种情况了
内存溢出的另外一种情况就是：电脑内存不够了！这种情况是很有可能发生了，出现内存溢出的时候大家可以检查一下。
这种电脑内存不够，只能建议大家给电脑加一根内存条，不加就删除一些程序，清理一下电脑。