概述

强烈建议(虽然不是严格必要)在现代NVIDIA GPU上运行深度学习代码。一些应用——特别是使用卷积网络的图像处理和使用循环神经网络的序列处理——在CPU上的运行速度将会非常慢，即使是一个快速的多核CPU。甚至对于可以实际运行在CPU上的应用程序，你通常会看到使用现代GPU的速度提高了5到10倍。

如果您的本地工作站还没有可以用于深度学习的GPU(最近的一款高端NVIDIA GPU)，那么在云中运行深度学习实验对您来说是一种简单、低成本的开始方式，不需要购买任何额外的硬件。关于使用本地gpu和云gpu的详细信息，请参阅下面的文档。

当地的GPU	对于拥有最新高端NVIDIA®GPU的系统，TensorFlow可用于GPU版本，利用CUDA和cuDNN库来加速训练性能。注意，TensorFlow的GPU版本目前只支持Windows和Linux (Mac OS X没有可用的GPU版本，卡塔尔世界杯欧洲预选赛赛程表因为NVIDIA GPU在该平台上不常见)。
CloudML	谷歌CloudML是一个托管服务，提供对gpu的按需访问培训，包括来自NVIDIA的新特斯拉P100 gpu。CloudML还提供超参数调优，以优化模型架构的关键属性，以最大限度地提高预测精度。
云服务器	带gpu的云服务器实例可以从Amazon EC2和谷歌计算引擎等服务中获得。您可以在这些实例上使用R英格兰vs伊朗让球Studio Server，使开发体验几乎与本地工作相同。
云桌面	使用gpu的虚拟云桌面可以从Paperspace获得。这提供了一个Ubuntu 16.04桌面环境，您可以完全在一个web浏览器中访问(注意，这需要一个相当快的互联网连接才能使用)。