Я использую свой MacBookPro. Я пытаюсь запустить демонстрационный код mxnet python, и время выполнения очень медленное. Для выполнения кода требуется много времени. Это нормально? Также я хочу запустить mxnet на Raspberry Pi 3.Каковы оптимальные требования к оборудованию для бесперебойной работы MXNET
Почти все каркасы глубокого обучения (включая MXNet) будут работать намного быстрее с помощью графического процессора с поддержкой CUDA от NVIDIA. GPU часто ускоряют виды векторной математики, необходимые для глубокого обучения на 100x. Несколько лет назад Apple прекратила строительство машин с графическими процессорами NVIDIA (2012 IIRC). Если у вас есть один из них, убедитесь, что у вас есть CUDA working on your Mac. Я сейчас не знаю, как заставить MXNet использовать AMD или Intel GPU, которые поставляются с компьютерами Apple. Также знайте, что даже при работе с самыми быстрыми графическими процессорами часто требуется время, часы или даже недели. Таким образом, терпение, безусловно, является частью игры, независимо от того, какое оборудование вы используете.
При этом графические процессоры не являются единственным способом запуска глубоких систем обучения. В частности, для составления прогнозов (вывода) с предварительно подготовленными моделями процессоры часто бывают прекрасными. Поэтому это может быть полезно для задачи типа semantic image processing. Или, когда обучение, использование меньших наборов данных и небольших моделей может заставить их работать быстрее. Кроме того, чтобы убедиться, что вы получаете максимальную отдачу от своего процессора, убедитесь, что вы установили хорошую библиотеку BLAS, такую как Intel's MKL.
Но для получения полезной работы из малины pi будет предпринята какая-то тщательная оптимизация, даже для вывода. Это область активных научных исследований. См. Например, this paper. Или посмотрите на добавление USB hardware accelerator.