甚至有時候根本復現不出來,畢竟如果別人論文里沒寫清楚,鬼知道他的參數是怎么調的。
現在光靠自己,這個課題已經推進不下去了,按照周昀的預估,就算agileed不涉及到圖像方面的數據,需要的顯存不像視覺領域那么夸張,也至少要大概100g左右的顯存,這個數字是他結合前世的科研經驗得來的。
而現在最好的消費級顯卡4090的顯存也就24g,a卡則是自動被剔除在外,因為其沒有cuda的存在,幾乎不可能用于ai訓練。
而專業級顯卡的價格更是讓現在的周昀望塵莫及,就拿常用的a6000來看,48g顯存,價格三四萬,更強的h100甚至要十幾二十萬一張。
也就是說,想要跑得動周昀這個模型,至少十萬打底。
這也是為什么他要找一個有資源的導師了,如果是那些小導,整個組里可能就一張4060,別說跑實驗了,平時自用都夠嗆。
都說會哭的孩子有奶吃,你不主動說,導師就算有資源也不會主動給你的。
周昀給鄧永華發了一條消息。
【老師,之前給您匯報過的那個ai邊緣部署的課題我有了一些新的想法,不過我自己的電腦沒法跑實驗,需要服務器,不知道組里有沒有?】
(請)
從沒打過這么富裕的仗
發完消息,稍微等了幾分鐘,還沒回,估計要么在上課,要么在開會。
沒辦法,導師就是這樣的,他發你消息必須秒回,你發他消息,等幾個小時都是常有的事,他都習慣了。
將手機放到一邊,登上了自己github賬號。
創建了一個新的repositories,將其設置為公開,名字就叫學習記錄。
自從用上了github,周昀就將它當成了一個萬能的記事本。
不管是代碼還是閱讀筆記或者是學習筆記,他都會記在上面。
雖然前世自己從事了兩年多的ai方面的科研工作,但是他知道,自己所接觸的,不過都是一些皮毛。
其最為主要的原因就是,他的數學功底不夠扎實,這也導致了自己的研究只能停留在最為表面的部分。
數學是所有學科的基石,特別對于計算機這門應用型學科來說。
就比如前幾年在視覺領域最為常用的卷積,其實早在18世紀就被提出了,而其真正運用到神經網絡則是在20世紀,這其中相差了百年。
還有很多看上去非常nb的算法,其背后不過就是一些普通的數學公式運用。
但這也足以可見,數學對于計算機的重要性。
周昀學習數學的目的也不是要去證明什么猜想,那可以說是神的領域,就算現在他確實聰明不少,他也不會不自量力地去碰這些東西。