- 由於老黃和蘋果的關係僵化,是否使用Mac系列產品就相當於告別了(在自己的電腦上跑)深度學習應用,除非有實驗室提供的GPU伺服器?

- OpenCL是否比CUDA難用很多,以至於主流機器學習框架一直都不支持OpenCL(也就是不支持A卡)?

- 機器學習的社區對老黃壟斷這一領域的現狀能忍嗎?將來是否有可能打破這種局面?


從2018年開始,AMD的ROCm平台就已經開始全面迎頭趕上,目前來看在深度學習領域,至少90%的計算需求都可以滿足。

個人認為在未來3年左右時間裡,AMD有希望在深度學習市場獲得至少目前CPU市場差不多的份額。主要原因有:

  1. AMD的GPU普遍便宜又大碗,同價位顯卡算力顯著高於NV的GPU。
  2. ROCm(Radeon Open Compute)平台已經支持主流深度學習框架。TensorFlow/Caffe已經獲得官方支持;PyTorch的部署方法可以查看我的專欄和博客,全網首發中文版教程:容器版教程,原生部署教程。
  3. ROCm是開源平台,而且還有一個叫做hipify的功能,支持轉化CUDA程序。
  4. NVIDIA在優勢局下持續浪:CUDA越來越封閉,顯卡越賣越貴,還不讓伺服器部署消費級顯卡,積累了不少民怨。


按照現在的情況看,A卡三年後應該可以和N卡打平。

雖然我現在用N卡,但是三年後我會買A卡。

全民yes指日可待。

有人說我精神股東,為什麼不買A卡,我就奇了怪了,我買AMD的CPU,AMD掙了錢,股價漲了,自然有錢研發更好的顯卡,為什麼我非要買A卡才算支持A卡發展?你看AMD慘淡這麼多年倒閉了嗎?

好的公司永遠靠產品說話,而不是靠情懷和割韭菜,比如動不動號稱國產必買的某些人。


試試用opencl


希望ROCm能好用些,否則只能繼續CUDA


ROCm不支持macOS呀,摔!

不過,蘋果家有自家的 CreateML+CoreML

發佈於 2019-04-22繼續瀏覽內容知乎發現更大的世界打開Chrome繼續dongleedongleeKaggle Master

個人感覺相比較寄希望於用AMD的顯卡來跑,還不如寄希望於專業做ASIC加速的卡或者Xilinx和Altera的FPGA來跑

AMD yes!逃:)


個人感覺相比較寄希望於用AMD的顯卡來跑,還不如寄希望於專業做ASIC加速的卡或者Xilinx和Altera的FPGA來跑

AMD yes!逃:)


謝邀,去年早些時候Tensorflow就已經支持了AMD顯卡,不過沒看到評測?AMD顯卡的流處理器很多,如果效率高的話還真不錯,買570 580這些也很便宜


更正一下,AMD現在支持tf和caffe。是我孤陋寡聞了。

-------------------------修改分割線-------------------------

第一個問題:Mac可以雙系統windows+外置顯卡盒子跑,但是性價比太低,同樣的價格完全可以組一個小型單卡GPU伺服器開著VNC區域網用。除此之外基本告別本機GPU了。

第二個問題:沒辦法啊,CUDA生態很強大,你要做深度學習就要用tensorflow/pytorch/mxnet/caffe等框架,這些框架現在都不支持AMD,況且AMD沒有專門做深度學習的計算卡啊,一張1080ti基本上可以勝任很多小項目的訓練需要了。

老黃現在新出的20系顯卡好貴,性價比最高的1080ti四卡機和八卡機都基本沒得買了,沒錢上P100 V100,實驗室還好,商用就必須買專用的卡,那叫一個貴啊。老黃真的賺翻了,忍不了也暫時沒辦法。。。

好像谷歌雲上用TPU速度也很快,但是數據集來回折騰很麻煩,也貴。


活該。

我應聘深度學習框架的開發崗位,屢次被淘汰。

被老黃壟斷,只能買貴的N卡,也是活該。


推薦閱讀:
相关文章