身在到处讲大数据、AI的时代，作为程序猿或者伪程序猿怎么会不知道“深度学习”这个名词呢？
“深度学习”算法需要大量的运算，提高运算效率的选项有两个：软件或者硬件。软件就是算法优化突破 ，硬件就是CPU或者GPU。
在算法的底层基础理论无法突破优化的情况下，要提高运算效率，最佳选项就是GPU。
为什么GPU和深度学习这么配？GPU如此快速的真正原因是内存带宽和不必要的并行。
这篇文章已经说得很明白了：《为什么说GPU和深度学习更配》
难道要自己去买一块GPU或者是重新配置一台电脑，太麻烦了吧。笔者才不会去干这么投产比未知的事情。
目前需要解决的问题很简单，不买GPU怎么解决深度学习的计算效率问题。
试一下Google的Colab：https://colab.research.google.com/（需要梯子）
其中可以看到支持GPU的TensorFlow这句话。
无限量12小时连续访问，永久免费使用谷歌GPU
Colab相当于是Jupyter notebook的google docs。Colab的目标是作为一个教育和研究工具，在机器学习项目上进行合作。
只要你有谷歌的账户就可以使用这个永久免费的神奇工具。
下面这个图像风格化的实例就可以通过Colab的GPU支持来实现。
登录Colab之后在Github页面输入以下地址：
https://github.com/glebsteron/colab-turi-style-transfer-coreml
然后在修改里找到笔记本设置里修改硬件加速选项：
改成GPU后保存：
好了。开始享受免费的GPU云端硬件加速福利吧。
KevinZhang
Sep 13, 2018
