深度学习一块GPU都没有，怎么做项目研究？

主要观点总结

本文提供了一些关于如何在没有GPU资源的情况下进行深度学习的建议和方法。作者从初学者的角度，介绍了在不同阶段如何利用现有资源进行深度学习，包括使用CPU进行训练、使用免费平台资源、以及如何提高计算效率等。同时，作者还分享了自己在深度学习过程中的经验和教训。

关键观点总结

关键观点1: 深度学习不一定需要GPU，CPU也可以满足需求。

初学者可以使用CPU进行深度学习训练，特别是对于网络结构简单、数据集较小的任务。对于更复杂的任务，可以考虑使用云服务、远程服务器等资源。

关键观点2: 合理利用免费资源可以提高计算效率。

可以使用Google Colab、AI Studio等平台提供的免费GPU资源。此外，合理利用多线程、数据预处理方法等也可以提高计算效率。

关键观点3: 说服老师或团队购买GPU资源是长远之计。

虽然购买GPU需要一定的投入，但对于长期进行深度学习的团队或个人来说，购买GPU资源可以大大提高计算效率，缩短训练时间。

关键观点4: 深度学习不仅仅是技术，还需要团队协作和沟通能力。

在进行深度学习的过程中，团队协作和沟通能力同样重要。通过与其他同学、老师或企业的合作，可以共同解决资源、技术等方面的问题。