请问深度学习真的需要吃大量的资源吗？

[d5]

一个成绩很好的同学在读硕士，背景是国内排名很靠前的高校，非计算机和软工专业。总是需要一些高配的深度学习平台（例如 16 核+4 张 P100 及以上）来完成他的实践。

外行人觉得这个配置真的是很高很费钱了。有没有 cs 专业的大佬能够科普一下，日常科研的场景？请问什么体量的任务，需要这样的配置，连续不断跑一周才能完成？深度学习是否可能因为算法和设置不当，导致效率低下？

[azh7138m]

某学校是 8XP100 的工作站，这种配置

[azh7138m]

唔，前几天华为云开车的 AI 实例不都是 32C 128G 16 张加速卡，这种规格的吗？

[shikimoon]

和模型关系很大，本人是做 nlp 的，之前用的 svm 和 cnn 做语义相似度还有意图识别，这几个模型参数量不是很大，普通的 gpu 甚至是 cpu 一天足够训练出模型了，自从出了 bert 后，参数量达到上 e，甚至数十 e，我们用 p4 训练 1 周多才能出模型

[pcmid]

太上老君的炼丹炉为什么那么厉害呢 (

[Pho3nix]

4 张 P100 也就是 DGX-STATION 入门配置，图像方面的基本一个人就要吃一台。ps：16 核是很不专业的说法，家里那台破烂有 20 核