深度学习对比之前的其它机器学习方法是颠覆性的，不管从理论、操作还是从效果层面。

首先，其它机器学习方法主要是概率论。而深度学习是对大脑的一种模拟。

从操作上讲，其它的机器学习方法的一个核心是人工的特征选择，如果特征选择有误或者不科学，效果则无法提升。而深度学习可以大量的使用相对raw的材料，不需要专家来做特征的选择，深度学习的过程中，系统会自动的做特征抽取。这样的结果就是，深度学习可以大大的扩展它的用途，而不用担心领域知识的匮乏。

而从效果层面，深度学习已经开始大幅度超过各种之前的机器学习方法。

但是，不管是图片分类成功率高于人类(图来自Jeff Dean最近的一个演讲，23分钟处)；

还是战胜了李世石：

这些都还是简单人工智能。这就是单一目的，单一类型的数据和训练用来解决单一问题。人脑可以被理解为一个神经网络，既用来处理听视觉信号，维持平衡，保持逻辑，下棋，玩等等等等。目前单一逻辑的人工智能神经网络，可以做到在某个单一领域超过人脑。

但是首先需要大量的机器，大量的数据集，和大量的训练时间。同时需要数据科学家（像巫师一样）来给它喂材料。

一个单台电脑，单个机器人，保有人一样的智能，还需要很久很久。

即使整个网络，现在的运算能力，能不能完全模拟一个人脑，都还是问题。感觉还是任重道远的，机会很多的。

2楼 @tinyfool 赞，我还是比较乐观的，我觉得机器的发展速度要比人类进化快得多。不敢说机器能进化出自主意识或者爱情啥的，现在的技术来看这个还很扯。但是在未来某个时间点，机器在大部分领域超过人，还是有可能的。 ^^

aws 有N卡实例，价格还可以接受。不过我准备入手外星人笔记本，玩mxnet。

4楼 @xiaotie mxnet有什么优势么？

5楼 @tinyfool 显存占用低。同样的数据和模型，Caffe 训练要8G显存，mxnet 可能就只需要4G显存。能省好多钱啊！8G显存，笔记本的话，得外星人17，两三万一台。4G显存，外星人13就有4G显存版，一万五不到，重量也轻得多可以背着到处跑。也意味着，固定的显卡可以训练更复杂的模型。还意味着，将来更适合能手机跑。

个人或者小公司玩深度学习，主要限制还是数据，毕竟设备门槛不高，用台式机的话，一个980显卡也就小几千块钱。4块显卡配下来也就几万。数据的话，现在动不动都用几百万、几千万数据在跑，数据的成本还是非常高的。公开的数据就这些，做学术研究还行，商用的话，缺陷还是蛮大的。如果不自己训练模型，直接用其他人训练好的模型，对显卡需求就低多了，大部分情况下，CPU都能跑。

可以试试 我搭的图像识别Demo

这个用的阿里云机器，2G内存，后台跑的Caffe做图像识别。

8楼 @xiaotie 你的图像模型是自己训练的？

9楼 @tinyfool 不是。用的别人训练好的。自己训练得至少4G显存的N卡，还没买。

10楼 @xiaotie 只有这一个Demo可用？

11楼 @tinyfool 还有几个在mbp上，没放上去。如果不训练模型，只跑跑demo，mbp就够了。

12楼 @xiaotie 你那个模型哪里来的，给我看看

13楼 @tinyfool https://github.com/BVLC/caffe 上有一些，各个研究者的网页上有一些。目前caffe用的最多，对应的模型下下来可以直接用

现在苹果的全系列带独显的好像从mac pro开始全都换成AMD的显卡了，看这个趋势好像也不会换，不过去年的科学计算大会上AMD出了个工具让普通的C++代码转换来兼容CUDA的样子。

1楼 @tinyfool

12楼 @xiaotie

赞啊，我也要跟着你们学：）

15楼 @happyming 主要是之前做机器学习的人都在搞cuda，所以他们暂时不会接受OpenCL以及AMD的啥工具，而且Mac更多是个开发平台，专门做研究的都有些用来做实验的专门的机器，所以Mac的性能他们不在乎。我们初学嘛，当然希望手头的设备就可以高效开发。不过实在不行也无所谓。

少爷的Macbook pro是2015年中期的高配，配的是N卡GT 750M，今天找他来做了一个测试，他的机器跑CPU的话，性能跟我的Macbook pro和Mac pro基本一致，用N卡加速的话，速度是CPU的一倍，看来Mac配的N卡性能也一般。

17楼 @tinyfool 如果我搞得明白的话，我会争取去做Tensorflow的OpenCL支持的

18楼 @tinyfool 这个很可能测试存在问题，再烂的N卡，加速也是几十倍起。卷积计算，显卡比CPU强太多。或者是测试的计算量不大，显卡计算中内存复制是主要时间，加速没有体现出来。

显卡计算，时间在两块：内存复制-数据从内存复制到显存，再把结果从显存复制回来；计算-显卡计算单元最低几十个（集成显卡），好点的几百个（便宜独立显卡），再高的几千个。计算量小，主要时间耗在内存复制上。

Tensorflow是大公司土豪玩的，大规模分布式训练用的，单机性能差。学习和玩票的话，推荐Caffe，发论文标配，训练好的模型多。

也可以自己手写OpenCL版，几千行代码，直接拿个开源库改的话，估计几百行就行。mbp的OpenCL我测过工作中用到的算法加速，集成显卡版，加速了大约10-20倍。正式玩，我打算用外星人13的960M，性能只有980的四分之一，勉强够用，但估计是750M的好几倍，4G显存也很有必要。

16楼 @清醒疯子 建议跟工作结合弄，你工作中暂时用不到这个，搞了没啥用。我是工作中用得到，搞了能变现。

20楼 @xiaotie 也许是Tensorflow的性能问题吧，用的是Tensorflow的官方例子，跑一个图像识别的训练在三台机器的多次测试结果。也许是丫的显卡太烂了，不着急，慢慢来。

1楼 @tinyfool 大哥，请问什么是深度学习？没有听过？

23楼 @鱼骨纹 搜索一下吧

21楼 @xiaotie 好的，我就业余看看：）

neural-style

用深度学习的方法把一张照片变成油画效果，下面的例子是我用我的照片和李世石的照片做的梵高效果

梵高原图

原图

结果

原图

结果

20楼 @xiaotie 回去把笔记本装了 Linux 玩玩，就是暂时没有想到能在 iOS 方向有什么结合地方。

27楼 @531sunlight MXNet 有在 iOS 识别照片的 demo https://github.com/pppoe/WhatsThis-iOS

油画这个有意思，打算玩一下。。@tinyfool , tiny哥，论坛没有收藏功能，只能写条回复保存了~~

同Mark保存~

@tinyfool 好像有外置盒子了. http://www.3dmgame.com/hardware/201603/3554173.html 现在想想为啥挖矿也要显卡呢? 莫非就是训练模型的

31楼 @cnsoft 不比买台电脑便宜吧，所以还不如直接买台电脑呢

32楼 @tinyfool 哈哈. 定位在哪里呢? 莫非就是配合Mac的

google把中国的深度学习热潮戴起来了！

mark 一下 共同学习

@tinyfool 为了解决VR的效率(体验) (赚钱) 想出来的方案是这样的...

日本人工智能撰写的小说参赛通过初审 刷个新闻

Mark一下。最近我也在学习，大家一起讨论一下把？

39楼 @tangl99 好啊，我最近开始准备买设备了，用自己的电脑跑起来没办法太慢，不过设备好贵，我最近没钱买，可怜啊

40楼 @tinyfool 　租云主机不行吗？有按小时计算的。

41楼 @programtic 也不便宜啊，亚马逊的有，2美金一个小时

40楼 @tinyfool 1万-1万5 配个 1080 的台式机，一般情况就够用了。ucloud 有显卡云服务器，一个月 2000 多起，俺觉得不划算，就没买云服务器，现在俺跑的还是 GTX960 的台式机。

40楼 @tinyfool 请问您的机器买了么？买了的话，什么配置？

44楼 @husher 还没买，现在玩的以迁移学习为主