StillImage发表于2019-7-2610：38
哦，您似乎在使用Google，但我们在使用另一个，是否断开了连接？
V100比2080Ti快一倍。
7次
您玩的深度神经网络具有简单的准确性，您无法理解V100的优势。
1060有多快？
我没用过！
我使用的最差的游戏卡是GTX1080。
我不知道您口中的大量数据是一个概念吗？
在最近使用的NIH数据中，原始数据集约为500G。
总体设计应至少使用10组。
不要使用免费的HPCorCloud，请自行购买！
如果您仍在线，则使用的是付费试用版。它不是真的免费。如果您在试用期结束后仍不付款，则您没有钱。
GOOGLECOLAB和KAGGLE的真正免费云计算将每隔几个小时自动断开连接。这对于系统是必不可少的，因此它根本不是一个好名字。
我们说500G数据集的容量相对较大，但是运行图形卡的能力主要取决于模型的复杂性，而不是数据本身。
对于512X512单通道图像数据，如果输出仅为分类或数字标签，则无需使模型复杂化。
只要将数据分批加载到硬盘存储器中并输入模型以完成训练，这是时间问题。也可以创建一个6GB的1060。
至于为什么Google V100可以在没有1060本地优先的情况下工作，我认为主要原因是驱动器读写响应太慢。毕竟，每6 GB批处理中有12 GB的视频内存多于一个。将数据加倍，但是除非您购买的虚拟机具有500 GB以上的内存，否则您可以一次加载所有数据。否则，每次虚拟机阵列响应并读取时，虚拟机都会响应下一个数据批。这是本地SSD的瓶颈（实际上，如果您观察到相同的事物并读取每批数据，云的速度将比本地SDD慢。
因此，如果您的云计算内存与台式机没有什么特别的区别，则Google的V100，P100或1080可能会比1060慢（KAGGLE P100比V100慢）。对于相同的硬盘系统，1080云肯定会变慢。）
如果您不敢相信，请尝试一下。每次使用SSD 1080 plus并运行相同的模型时，您都会计算出两次可以获得云的训练速度。
真正使云计算与众不同的是，内存和视频内存几乎无限扩展，这与家用计算机无法相比。
尽管这两个表很大，但是单位读写速度较短的表可以直接忽略。实际的读写速度可能会超过本地SSD，或者至少不会超过GPU。
但是，这笔钱很多（每小时超过20美元），而且世界上没有免费的午餐。