作为深度学习炼丹炉核心，GPU 的选型一直是很多人工智能学习者、科研人员最为头疼的问题。从 GPU 架构、系列、型号、版本到最后的显卡品牌，无不需要一系列从显存、CUDA、图像模型：NasNet Large/DeepLabv3/Yolo/Pix2Pix HD/StyleGAN/MaskRCNN 的 Batch size 和处理时间、 语言模型：Transformer Big/Conv. Seq2Seq/unsupMT/BERT Base/BERT Finetune/MT-DNN 的 Batch size 和处理时间，最后到每 G 显存、每 CUDA 的性价比的一番衡量。