关于弄深度学习选GPU总结
对于笔记本的话你会发现1060的基本7千到8千，而1070没有低于10000的，而1080没有低于两万的！！！！！！！不是加了一点点。
显存大小：一次性加载到显卡上的数据量。运行计算机视觉模型时，显存越大越好，特别是如果你想参加 CV Kaggle 竞赛的话。对于自然语言处理和数据分类，显存没有那么重要。
电脑自身的内存也越大越好，陈卓伦建议我加到32G。
如果弄计算机视觉的话，需要看重GPU的显存，像1060的是6G，1070的是8G。
英伟达 Titan X (Pascal) 在计算机视觉研究人员当中，还是有它的地位的，这些研究人员通常要研究大型数据集或者视频集。在这些领域里，每 1G 内存都不会浪费，英伟达 Titan X 比 GTX 1080 Ti 多 1G 的内存也会带来更多的处理优势。
笔记本里的显卡都是GTX的，没有titan的因为装不下，散热也顶不住。我如果后面要买台式机估计就要考虑这些。
现在，对于那些手头很紧又要买 GPU 的人来说，选择更少了。AWS 的 GPU 实例很贵而且现在也慢，不再是一个好的选择，如果你的预算很少的话。我不推荐 GTX 970，因为速度慢还死贵，即使在 eBay 上入二手（150 刀），而且还有存储及显卡启动问题。相反，多弄点钱买一个 GTX 1060，速度会快得多，存储也更大，还没有这方面的问题。如果你只是买不起 GTX 1060，我推荐 4GB RAM 的 GTX 1050 Ti。4GB 会有限，但是你可以玩转深度学习了，如果你调一下模型，就能获得良好的性能。GTX 1050 适合绝大多数 kaggle 竞赛，尽管可能会在一些比赛中限制你的竞争力。
这里写着1050已经适合大多数的kaggle比赛了，那我买的1060也应该够我打比赛的了。
所以目前整体来讲我还是买1060比较合适。够我打比赛就可以了。
