你好，我是Giant。上周我在知乎刷到一个有意思的问题，实验室只有1080显卡，老师还想让发深度学习paper，也不给配置好显卡咋办？我想起了3年前。我们实验室最开始也只有1080显卡，8个人，4张卡，日子过得紧巴巴。但前期入个门，跑跑简单的实验其实足够用了。
如果想刷比赛或发论文，硬件可能确实是道坎，下面我分享4个方法帮助你解决显卡不足的问题。
1、和老板提需求
在学校的时候，我们NLP组最初只有2张1080，做小实验还好，就是跑BERT-large模型的时候比较蛋疼，只能把 batch_size 设置成1。
后面为了做比赛和发论文，我主动向老板提出申请，希望改善配置。其实老板心里很明白“巧妇难为无米之炊”，升级了硬件，push 学生的时候更合情合理了；等这批人毕业，还能留给下一批学生继续用；甚至连实验室招生通知上都能写人手一张 xx 显卡，简直一举多得。
最终老板为我们采购了4张16G的Tesla V100，虽然花了10万，不过感觉还挺值的。
所以最简单的方法就是给老板做思想工作，帮他分析一下利弊。升级到真香的 3090，大部分老师还是愿意的。
2、白嫖GPU
除了实验室，很多平台也提供了免费的GPU计算资源供用户使用。
例如过去两年，我在Kaggle上参加了多个算法比赛，累计使用超过500小时的GPU时长，没花1分钱。
之前我也分享过，如何通过Kaggle免费使用16G显存的Tesla V100。具体方法可以参考原文：
实验室一块GPU都没有怎么做深度学习？
类似的白嫖平台还有Google的Colab，百度AI Studio等。
3、早点开始实习
早点实习既可以积累项目和实战经验，为校招进入职场做准备，又能免费利用公司的GPU，是性价比很高的选择。
以我司字节为例，通过线上集群调用，工程师们可以同时调用多块Tesla V100-SXM2 GPU，显存32G，基本不用担心模型训练慢了。
关于如何准备深度学习相关的算法实习，我也分享过很多次，基本从理论基础、项目/比赛/paper、coding三个方面准备即可。如果还有疑问，欢迎和我交流。
分享几篇以往的文章：
如果你是面试官，你怎么判断一个面试者的深度学习水平？
复盘人生第一次科研经历
众所周知，前端后端测试等开发岗位，对于显卡没有特别要求；而且既没有算法这么内卷，和算法的校招薪资差距也在越来越小。
当然，单纯因为显卡不足转开发可不见得是好的选择。提这一点，是希望能帮助你思考，自己喜欢的到底是什么？
是真的对深度学习算法感兴趣呢，还是看身边人都在卷AI，想上去凑个热闹？
了解自己的兴趣爱好、性格特质和优势，真的很重要。
最后，对于土豪们而言，可能直接“显卡自由”了，自己搭服务器也是不错的体验哦。
进技术交流群请添加AINLP小助手微信（id: ainlper)
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。
阅读至此了，分享、点赞、在看三选一吧🙏
