独立 ML 项目经常在云上浪费资金，而本地硬件在适当调优后本可以满足需求。
发布针对特定 GPU/CPU 组合的基准测试指南，附带即用型配置代码片段。
通过硬件制造商赞助和付费深度指南实现盈利。
从记录优化实验的博客文章系列开始。
风险：随着驱动程序和框架的更新，需要不断重新测试。
machine-learningoptimization
面向 ML 开发者的 GPU 优化指南
创建实用教程，指导如何在消费级 GPU 上最大化 ML 性能。面向没有云预算的独立开发者。
为什么是现在
新硬件使本地 ML 可行，但需要大多数教程未涵盖的优化知识。
- 做给谁
- 独立 ML 开发者
- 商业模式
- 赞助内容
- 投入量级
- 几周