如何解决企业深度学习训练内存不够用的难题，实际效果如何？

虽然DRAM是现代计算机中最理想的存储介质，然而DRAM存在三个明显的缺点：
一、易失性
DRAM用于存储数据的单个存储单元（通常称之为Cell），由一个晶体管和一个电容组成，其中电容的电压高低不同来代表0和1，晶体管负责将电容与电路联通或者断开。因为电容的电量会不断减少导致电压降低，因此需要定期给电容充电来保持数据。如果系统断电，DRAM中的数据会丢失。
二、高成本
虽然相比深度学习液冷CPU内部高速缓存所使用的SRAM来说，DRAM的单位容量成本很低，但DRAM的绝对价格依然高昂。仅仅计算存储单元，每GiB DRAM就需要80亿晶体管和80亿电容，已经和某些16核心的CPU所用到的晶体管数量相近了。
三、低容量
因为DRAM需要使用大量的晶体管实现，很长一段时间，DRAM的存储密度只能依赖于半导体制程的提升来增加，容量增加困难。
即使近年来半导体芯片的堆叠技术逐渐成熟，但因为DRAM需要定期开关晶体管给电容充电，没有读写操作时也需要消耗一定电量并转换为热量，如果堆叠层数过多，功率超过散热能力会导致DRAM温度超出限制。因此目前DRAM的最大堆叠层数也只有4层。