M1000m vs m2000m

Suponho que você queira saber se o NVidia Quadro M2000M pode ser usado para o treinamento de algoritmos de Deep Learning. Isso depende muito do conjunto de dados de aplicativo e treinamento, mas com poucos ajustes, ele definitivamente pode ser usado. Se você estiver trabalhando com dados de imagem,

  1. A memória de 4 GB do M2000M pode ser um gargalo e nem tudo estará disponível para você (supondo que essa seja a única GPU). Portanto, você pode ter que reduzir o tamanho do lote. Agora, como isso afeta seu treinamento, deve ser investigado, mas https://arxiv.org/pdf/1609.04836.pdf pode ser um bom ponto de partida.
  2. 4 GB de memória com largura de banda de 80 GB / s e interface de memória de 128 bits limitarão você a explorar redes muito profundas, redes com muitas conexões residuais e assim por diante.
  3. Mas o gargalo principal será o número de núcleos CUDA, que são 640, que levarão uma eternidade para treinar a rede, devido ao processamento paralelo reduzido. Agora, isso limita você a ajustar os hiper parâmetros em tempo limitado.

Como nunca trabalhei com dados de texto e fala, não comentarei esses processos de treinamento. Há muitas outras coisas a serem consideradas; portanto, se você puder simplificar sua pergunta e explicar em detalhes a declaração do problema, provavelmente eu posso ajustar minha resposta.

Editar 1:

O M2000 é bom o suficiente para GPU, se você quiser entender e aprender sobre os algoritmos de aprendizado profundo. É bom testar vários algoritmos com conjuntos de dados básicos como MNIST, CIFAR10 / 100, até MSRC e KITTI até certo ponto. Mas será demais perguntar se você deseja treinar com conjuntos de dados como Cityscapes, Imagenet, ADE20K etc. Você entendeu a ideia, eu acho.

Eu uso a mesma GPU no meu laptop para projetar redes profundas para aplicativos de grande escala. Escrevo o código, projeto a rede, verifico a compatibilidade, analiso o tempo e o desempenho, até executo o TensorRT para criar perfis e otimizar as redes, mas uso máquinas diferentes para executar o treinamento das redes.

PS: Para o treinamento de redes, alugar uma nuvem é uma ótima opção.