100G的训练数据，word2vec中的词向量为300维，上下文窗口是10，需要多大的算力

要回答这个问题，需要考虑到多个方面，包括训练算法、硬件设备、数据预处理等。

对于word2vec模型的训练算法，一般使用的是基于梯度下降的优化算法，如SGD、Adagrad等。这些算法的计算复杂度较高，需要进行大量的矩阵计算和向量运算。因此，在训练时需要使用高性能的计算设备，如GPU、CPU集群等。

对于硬件设备，如果使用GPU进行训练，需要选择性能较高的GPU，如Nvidia Tesla V100或A100等。如果使用CPU进行训练，则需要使用计算密集型的CPU，如Intel Xeon Platinum等。此外，还需要考虑存储设备和内存大小，以满足数据读取和计算的需求。

对于数据预处理，需要将100G的训练数据转换为模型可接受的格式，并进行分词、去除停用词等处理。这些处理过程需要消耗大量的CPU计算和内存带宽。

综合考虑，训练100G的word2vec模型需要的算力比较大，一般需要使用高性能的计算设备，如GPU或CPU集群。具体的算力要求还需要根据实际情况进行评估和调整。