我自己在硕士阶段刚刚开始做超分的时候、用过一些10系列显卡、比如常见的1060、1080、1080Ti 等，也用过特斯拉P100、3080、RTX5000、诸如此类的一些卡

最富有的还是在一个银行科技公司实习时、当时的Leader一下给分配了好几台P100、可惜那时年少、刚开始折腾、没啥跑模型的经验、白白浪费了一波资源

最后毕设赶实验的时候、差点要去云平台按照小时来租服务器用了，最后限于时间和精力、就剩下熬夜修改论文了

友情提示、知网查重预计高峰期会涨价、小伙伴可提前囤、一般学校免费查两到三次、很多担心自己论文质量的同学都会自己单独用知网付费查、还是很花钱的，不知道知网平台限制情况上会不会有改善，反正懂的都懂、大部分同学毕业查重都还是蛮折腾地

总之、就是 6G、8G、11G、16G、24G 等级别的显卡，墨理这边都折腾过一些

最开始也用过 window服务器、自己的笔记本电脑4G显卡、CPU训练跑过小实验、当时一套 Cuda、Cudnn 这些环境也都是好一顿折腾

后面转战到 Linux 服务器、逐步发掘、积累、才感受到这个事情熟练之后、本身做得多了、也就那么回事了、和 Java 系统开发的 增删改查 类似、也会逐步成为搬砖的活儿

技术演进提升的一个方向就是让这些 技术本身更简单、更多元、更容易让普通用户上手

总结一下、就是，如果有的选、服务器环境最好是 Linux

如果有机会购置显卡或者组装服务器、不论是自购还是实验室购置

有资源、当然要配强大的显卡，通常情况下 11 G 的显卡能够较好的满足目前的大部分计算机视觉方面的任务

之前有遇到一个 NiceGAN 的风格迁移网络、那个模型的标准版是需要单卡 24G 才能进行训练

一些小伙伴在和我交流领域创新的一些困惑或者思路时，我也基本有把 NiceGAN 这篇文章推荐去看一下

有的时候、做创新、是可以各个学科、研究领域、小众方向的 创新方法进行交叉尝试、没准会有意想不到的突破

有的时候、高深理论的创新、可能会取决于你先跑实验、得到了更好的实验效果、这个时候再去反推里面的原理