运行 MXNET 顺利运行的最佳硬件要求是什么
What is the optimum hardware requirements to run MXNET smoothly
我正在使用我的 MacBookPro。我正在尝试 运行 mxnet python 演示代码，但执行时间非常慢。执行代码需要很多时间。这是正常的吗？我也想 运行 mxnet on Raspberry Pi 3.
使用 NVIDIA 支持 CUDA 的 GPU，几乎所有深度学习框架（包括 MXNet）都会 运行 快得多。 GPU 通常会将深度学习所需的各种矢量数学加速 100 倍。 Apple 几年前就停止了使用 NVIDIA GPU 制造机器 (2012 IIRC)。如果您有其中之一，请确保您有 CUDA working on your Mac。我现在不知道有什么方法可以让 MXNet 使用 Apple 机器附带的 AMD 或 Intel GPU。还要知道，即使使用最快的 GPU，深度学习作业通常也需要数小时、数天甚至数周才能完成。因此，无论您使用何种硬件，耐心绝对是游戏的一部分。
也就是说，GPU 并不是 运行 深度学习系统的唯一途径。特别是对于使用预训练模型进行预测（推理），CPU 通常就可以了。所以这对于 semantic image processing 这样的任务很有用。
或者在训练时，使用更小的数据集和更小的模型可以使它们 运行 更快。此外，为确保您充分利用 CPU，请检查您是否安装了良好的 BLAS 库，例如 Intel's MKL。
但是要从 raspberry pi 中获得任何有用的工作，需要进行一些仔细的优化，即使是为了推理。这是一个活跃的科学研究领域。例如参见 [=13=].
我正在使用我的 MacBookPro。我正在尝试 运行 mxnet python 演示代码，但执行时间非常慢。执行代码需要很多时间。这是正常的吗？我也想 运行 mxnet on Raspberry Pi 3.
使用 NVIDIA 支持 CUDA 的 GPU，几乎所有深度学习框架（包括 MXNet）都会 运行 快得多。 GPU 通常会将深度学习所需的各种矢量数学加速 100 倍。 Apple 几年前就停止了使用 NVIDIA GPU 制造机器 (2012 IIRC)。如果您有其中之一，请确保您有 CUDA working on your Mac。我现在不知道有什么方法可以让 MXNet 使用 Apple 机器附带的 AMD 或 Intel GPU。还要知道，即使使用最快的 GPU，深度学习作业通常也需要数小时、数天甚至数周才能完成。因此，无论您使用何种硬件，耐心绝对是游戏的一部分。
也就是说，GPU 并不是 运行 深度学习系统的唯一途径。特别是对于使用预训练模型进行预测（推理），CPU 通常就可以了。所以这对于 semantic image processing 这样的任务很有用。 或者在训练时，使用更小的数据集和更小的模型可以使它们 运行 更快。此外，为确保您充分利用 CPU，请检查您是否安装了良好的 BLAS 库，例如 Intel's MKL。
但是要从 raspberry pi 中获得任何有用的工作，需要进行一些仔细的优化，即使是为了推理。这是一个活跃的科学研究领域。例如参见 [=13=].