1樓：雲卷雲舒
這個問題，我可以提供一些資訊，僅供參考。
最近，我接觸到乙個叫做「易學智慧型GPU」的平台，實現的功能與這裡問的挺相似，說說我的使用體驗。
第一，我可以在每次開機前，選擇租用什麼型號的GPU、租多少塊GPU。當然，CPU、記憶體、磁碟空間等，都是可選的。要搞訓練時，就多租幾塊GPU；否則，就少一點。靈活性足夠。
第二，我的使用情況，比如我用了多少時間、用的什麼型別的GPU、選的開發環境等等，在使用記錄中都是一目了然的。這就實現了管理的功能。
第三，平台的主機，都預設安裝了ubuntu系統、cuda、cudnn、tensorflow、pytorch、opencv、numpy等，用起來很省心。
第四，我的個人資料，有自己的儲存空間，可以長期儲存。這樣，開關機就無壓力了，並不用擔心系統復原、資料丟失與程式重灌的問題。
最後，多GPU的併發，目前還是要自己寫程式。平台聲稱正在實現Kubeflow那一套，但目前還沒看到上線。
總的說，易學智慧型GPU平台，在算力可伸縮、可管理與易用方面，做的挺不錯。如果需要，可以找到他們諮詢，看他們是否可賣離線系統。
2樓：Terrance
搭建深度學習工作站，用nvidia-docker來進行資源分配。
對於題主所說，人手兩塊GPU的話，很大概率型號也是一樣的，更方便部署，弄一台專用的深度學習工作站，每個人拆掉一塊GPU移到工作站上，剩下一塊用於本地除錯，這是成本最低的方案。畢竟GPU貴其他東西相對便宜。
伺服器上環境建議安裝Ubuntu+NVdocker，需要用的時候遠端SSH或者jupyter提交計算任務，如果沒有條件做資源排程系統的話，把root金鑰分發給每個人也未嘗不可，畢竟你們是乙個團隊。
為什麼GPU比CPU更適合人工智慧計算？
Peter Yin cpu模擬成乙個會微積分的本科畢業生，gpu模擬成10000個小學生，你讓本科生計算10000道加減乘除的運算題消耗的時間肯定比10000個小學生一人算一題時間消耗久，但是本科生能做的微積分小學生解決起來就很困難，偏偏卷積神經網路的卷積就是這種大量的加減乘除的計算，所以用gpu比...
哪個廠商的GPU適合人工智慧深度學習領域呢？
13324050245 其實只有英偉達顯示卡叫GPU，其他的都叫顯示卡。儘管說有些顯示卡也能用於計算。但是真正意義上的GPU是指通用計算，GPU這個名字就是從英偉達開始這麼叫的。 詹姆斯林 首選是NVIDIA，顯示卡架構豐富，高效穩定，不斷迭代公升級，學生黨一般GTX1080 GTX3060就夠了，...
人工智慧機器學習的監督式和非監督式能解釋一下嗎。。能讓小白看懂的那種？
雪夢心 監督式就是你幫機器分類好了。大概就像你在教小朋友辨別動物，這只是貓，這只是狗 非監督式就是機器自己分類。小朋友自己辨別出了貓和狗不一樣，然後把這個結果告訴你。 殷瑋 監督學習就是考試前背題庫，只是做了總結方便記憶 通過網路梯度下降把特徵壓縮了 非監督就是直接看了無數考卷，雖然不知道這些是啥，...