Stem项目中的计算成本是什么？
个人理解，计算成本高不高取决于两个因素，一个是模型的复杂程度，另一个是数据量的大小。 在解决同一个问题的时候，如果使用不同的模型，其计算复杂度相差很多，例如一个简单的线性回归的问题，假如只有5个样本(x1，y1)，（x2，y2）.....（xn，yn） 那么最简单的线性回归的算法的计算量为O(n^2) 如果采用更复杂的神经网络，可能计算量就会下降，但是和简单的线性回归相比，计算量的下降幅度不会太明显，因为数据量太少的话，神经网络很难训练或者学习。即使使用了GPU进行并行计算也无法大幅降低计算时间。 反之，如果一个模型虽然看起来很复杂，但是如果其内部的结构并不复杂，比如每个节点都很简单，没有复杂的非线性激活函数的话，那么其计算量就不会很大。
另外，数据量越大，计算量也就越大。这是因为在计算的时候，需要遍历所有的数据，对于每一个数据点都要进行一次计算的。数据点的数量会直接影响计算的时间。 当然影响计算的量还有很多其他的原因，例如计算机的字长，软件编译的问题等都会影响最终的结果。
总之，在进行机器学习或者深度学习的时候，一定要考虑计算量过大的问题，不然你设计的模型再优化，再完美，最后因为计算量的问题而无法应用也是枉然。