为了支持深度学习模型的训练，供应商应该选择适合的硬件设备。GPU是一种常见且有效的选择。GPU拥有大量的核心和内存，能够并行处理大规模数据，特别适合深度学习模型的训练。与传统的CPU相比，GPU在训练深度学习模型时速度更快，效率更高。
另一个供应商应考虑的硬件设备是TPU，即专为深度学习任务而设计的专用芯片。TPU的计算速度非常快，能够在短时间内处理大规模数据，适用于训练大型深度学习模型。与GPU相比，TPU在训练深度学习模型时能够提供更好的性能和效率。
另一种供应商可以选择的硬件设备是FPGA。FPGA具有可编程的特性，能够根据深度学习模型的需求进行定制化配置，提供更高的灵活性和性能。虽然FPGA的定制化配置相对复杂，但对于某些特定的深度学习任务，它可能是一种有效的选择。
一些供应商还可以考虑选择快闪存储设备来支持深度学习模型的训练。快闪存储设备具有较高的读写速度和容量，能够快速加载和存储大规模的训练数据，提高训练模型的效率。对于一些需要频繁读写数据的深度学习任务，快闪存储设备是一种值得考虑的选择。
供应商在选择硬件设备时需要综合考虑自身的需求、预算和技术水平。不同的硬件设备有不同的优势和特点，供应商应根据自身的情况选择最适合的硬件设备来支持深度学习模型的训练。