MacBook显卡不跑AI模型太浪费

什么要用 GPU 呢？最初 GPU 并不是为深度学习专门设计的，但并行计算的本质似乎与图形处理类似。单个 GPU 的核心虽然在性能上弱一些，但在处理大数据块的算法上比 CPU 更高效，因为它们具有高度并行的结构，而且核的数量也非常多。由于图形处理和深度学习在本质上的相似性，GPU 就成为了深度学习和并行计算的首选。

除了 CUDA 就没得选了吗？

不过要想用上 GPU 的并行能力，英伟达的 CUDA 就不可回避，这种通用并行计算库是做深度学习所必须的。目前，之所以高性能云计算、DL 服务器都采用英伟达 GPU，主要原因还是在 CUDA。

如果想要充分利用笔记本的并行能力，且 N 卡又配不起，那么这篇文章介绍的 PlaidML 就非常合适了。
 

laidML 是一种可移植的张量编译器，可以在笔记本电脑、嵌入式设备或其他设备上进行深度学习。重要的是，它并不依赖于 CUDA，而是 OpenCL 这种开放标准。

OpenCL 通用并行计算开放标准并不是为 N 卡专门设计的，因此不论你的笔记本 GPU 是 AMD、 Intel，还是 NVIDIA，它都能支持。
 

多读者可能认为，OpenCL 的生态没有 CUDA 成熟，可能在稳定性与开发速度上都没那么快。但是，我们可以把复杂的底层机制都交给 PlaidML，我们只需要用就行了。

甚至 PlaidML 我们都不需要接触，它已经集成到了常见的深度学习框架中，并允许用户在任何硬件中调用它。目前 PlaidML 已经支持 Keras、ONNX 和 nGraph 等工具，直接用 Keras 建个模，MacBook 轻轻松松调用 GPU。

下面我们开始进入正题：如何用自己笔记本电脑的 GPU 运行一个简单的 CNN。

用笔记本 GPU 运行一个神经网络

安装和设置 PlaidML 和相关组件

首先，我们要确保自己的笔记本电脑安装了 Python 3 工作环境。作者建议在虚拟环境下运行以下代码：

 

（编辑：盐城站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!