四天时间。所以解决的办法只有一条，就是升级硬件。比如GPU取代CPU完成运算。这里列了一个细的指标，比如有些算法需要在RGB空间里做检测，有没有不可描述的内容在里面。如果我们用GTX 980 Ti来运行，可以小于20毫秒一帧，用i7的CPU运行，检测出来则是800秒，跟GPU跑完全不可比。但问题是，专门做训练的GPU设备非常贵，七八千块钱的GPU在机器训练里面都不算好的，而且为了在复杂的场景中不耽误时间，比如像AlphaGo做训练一样，只能用海量的设备来弥补，这个成本可想而知。所以才说只有有一定实力的公司才能担负的起做深度学习。

现在国际上一些主流的大公司，比如微软，很多服务包括云服务等等，用的是FPGA方案。中科院也在做相关的研究。

所以深度学习一路发展下来，实际上一直都卡在计算上，计算能力远远跟不上我们软件的要求，最后就又变成了比拼硬件的时代。但其实这个问题并不是近期才有的：早在人工智能出现的早期，神经网络的概念就已经存在了，但神经网络对于“智能”的贡献微乎其微，主要问题就出在运算能力不足上。所以现在大家可以预见，量子计算一旦成为可能，人工智能的时代才算真正要到来了。

相关阅读：《女主播的“逆天”美颜原来是这样实现的》