Différences

Ci-dessous, les différences entre deux révisions de la page.

--- aitextgen [2020/12/27 15:02] – serge
+++ aitextgen [2022/02/08 15:47] – [Quel carte graphique choisir en Juin 2020] serge
@@ Ligne 13: / Ligne 13: @@
 <WRAP center round box 80% centeralign>
-**Cette page est la suite de [[textgenrnn|Générer du texte en python avec textgenrnn]]**
+**Cette page est la suite de [[archives:textgenrnn|Générer du texte en python avec textgenrnn]]**
 </WRAP>
@@ Ligne 25: / Ligne 25: @@
   * **[[https://towardsdatascience.com/representing-text-in-natural-language-processing-1eead30e57d8|Representing text in natural language processing]]**
   * **[[https://nlp.stanford.edu/pubs/glove.pdf|GloVe: Global Vectors for Word Representation]]**
-=====Quel carte graphique choisir en Juin 2020=====
-  * **[[https://lambdalabs.com/blog/choosing-a-gpu-for-deep-learning/|Choosing the Best GPU for Deep Learning in 2020]]**
-    * RTX 2060 (6 GB): if you want to explore deep learning in your spare time. 360€
-    * RTX 2070 or 2080 (8 GB): if you are serious about deep learning, but your GPU budget is $600-800. Eight GB of VRAM can fit the majority of models.
-    * RTX 2080 Ti (11 GB): if you are serious about deep learning and your GPU budget is ~$1,200. The RTX 2080 Ti is ~40% faster than the RTX 2080.
-    * Titan RTX and Quadro RTX 6000 (24 GB): if you are working on SOTA models extensively, but don't have budget for the future-proofing available with the RTX 8000. 4000€
-    * Quadro RTX 8000 (48 GB): you are investing in the future and might even be lucky enough to research SOTA deep learning in 2020. 5500€
 ===== Ressources =====
 ====aitextgen====
@@ Ligne 68: / Ligne 61: @@
   * **[[https://gpt2.ai-demo.xyz/|OpenAI GPT2 Scratch Pad]]**
 ===== Fables de La Fontaine avec un modèle entièrement créé=====
-Suite de [[textgenrnn#avec_des_fables_de_la_fontaine|Avec des fables de La Fontaine]]
+Suite de [[archives:textgenrnn#avec_des_fables_de_la_fontaine|Avec des fables de La Fontaine]]
 <code python training.py>