2021電腦配置深度學習

A. 如何配置一台適用於深度學習的工作站

作者：匿名用戶
鏈接：https://www.hu.com/question/33996159/answer/143971704
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請註明出處。

學習機器學習相關的演算法和演練流行的平台或框架，不需要特別強大的設備。

所以對深度學習而言，基本的需求則是：內存大於:8G一片以上帶CUDA單元的顯卡。操作系統：ubuntu 16.04這對大多數人來說都不難，簡單的升級一下自己手上的電腦即可：一般就三步：1.加顯卡: 1060 6G<省錢，入門>，1080ti<性價比最高>。勿買3G顯存版本，好多CNN的sample 都跑不起來。2.加內存: 買來插上即可3.換電源：單顯卡>400W，雙顯卡>700W。基本來說這樣就足夠了。自打amd的ryzen出來，各大框架現在已經做了/正在做AMD的兼容性修改。就現在這個時間點上來說，對於1-2卡的應用，AMD平台的價格和性能優勢是杠杠的。對於3-8卡的場景，大多不缺錢，價格似乎也不要緊。所以以前撿垃圾的內容不再適用了。就此刪除掉。軟體部分：TensorFlow/PyTorch一類的系統需要Ubuntu作為運行環境，這對大多數習慣了windows編輯器的同學來說，直接使用vi可能是最大的障礙。所以有一個WinSSHFS會極大的方便實際的開發工作。最近TensorFlow也支持了windows的GPU加速。似乎這個障礙也不存在了。對Windows端的py編輯，比較推薦pycharm或則是VS Code.PyTorch用到了S3的存儲，因此有一個能出牆的小工具也是必要的。
破除幾個誤區： 1.所謂深度學習機器：沒有這種特殊的機器，有帶CUDA顯卡的機器就是可以拿來學深度學習的,在售的多數所謂的科學計算機只是CPU和顯卡比較多而已(超算機不在討論之列)。 2.為了深度學習組專用平台： 沒有這個必要，只是學習的話，隨便找個電腦加一片顯卡即可。 3.深度學習是不是要特別高的配置：我見過有個兄弟用筆記本(MBP)玩RCNN也玩得很high。 4.跑時間長了會不會燒掉？ 完全沒有燒掉機器的可能，最多是你散熱不行機器停機或是死機就是極限了，遇到所謂燒板子的情況與你的負載關系不大，多半是板子本身就壞掉了。

B. 沒有顯卡筆記本能跑深度學習

不行，必須有顯卡，最好是n卡

C. 做深度學習的伺服器需要哪些配置

要做一個深度學習的伺服器，需要的配置有GPU RAM, 儲存器，因為GPU是在我做深度學習伺服器裡面一個非常重要的部分，相當於是一個心臟，是非常核心的一個伺服器，所以GPU是一個非常重要的東西，儲存器也是相當重要的，因為很多數據都要放在ssd儲存器上。

D. 深度學習 對硬體的要求

之前熱衷於學習理論知識，目前想跑代碼了發現不知道從何下手，自己電腦上搭建的平台基本就是個擺設，因為跑不起來呀。今天我們就來看看想做深度學習應該怎麼下手。

首先了解下基礎知識：
1、深度學慣用cpu訓練和用gpu訓練的區別
（1）CPU主要用於串列運算；而GPU則是大規模並行運算。由於深度學習中樣本量巨大，參數量也很大，所以GPU的作用就是加速網路運算。

（2）CPU算神經網路也是可以的，算出來的神經網路放到實際應用中效果也很好，只不過速度會很慢罷了。而目前GPU運算主要集中在矩陣乘法和卷積上，其他的邏輯運算速度並沒有CPU快。

目前來講有三種訓練模型的方式：
1. 自己配置一個「本地伺服器」，俗稱高配的電腦。
這個選擇一般是台式機，因為筆記本的「高配」實在是太昂貴了，同一個價格可以買到比筆記本好很多的配置。如果是長期使用，需要長期從事深度學習領域的研究，這個選擇還是比較好的，比較自由。
①
預算一萬以內的機器學習台式機/主機配置：

②
從李飛飛的課程里，可以看到她的電腦配置，這個配置是機器學習的基本設置。

內存：4X8G
顯示卡： 兩個NV GTX 1070

硬碟： HDD一個， SSD兩個

③ 配置主機需要了解的參數（在上一篇博客中已經詳細介紹了各個參數的含義）：
GPU：一個好的GPU可以將你的訓練時間從幾周縮減成幾天，所以選GPU一定要非常慎重。可以參看GPU天梯榜，都是一些比較新的型號具有很強的性能。
在英偉達產品系列中，有消費領域的GeForce系列，有專業繪圖領域的Quadro系列，有高性能計算領域的Tesla系列，如何選擇？有論文研究，太高的精度對於深度學習的錯誤率是沒有提升的，而且大部分的環境框架都只支持單精度，所以雙精度浮點計算是不必要，Tesla系列都去掉了。從顯卡效能的指標看，CUDA核心數要多，GPU頻率要快，顯存要大，帶寬要高。這樣，最新Titan
X算是價格便宜量又足的選擇。
CPU：總的來說，你需要選擇一個好的GPU，一個較好的CPU。作為一個高速的串列處理器，常用來作為「控制器」使用，用來發送和接收指令，解析指令等。由於GPU內部結構的限制，使得它比較適合進行高速的並行運算，而並不適合進行快速的指令控制，而且許多的數據需要在GPU和CPU之間進行存取，這就需要用到CPU，因為這是它的強項。
內存條：主要進行CPU和外設之間的數據交換，它的存取速度要比硬碟快好幾倍，但是價格比較昂貴，通常會和容量成正比。內存大小最起碼最起碼最起碼要大於你所選擇的GPU的內存的大小（最好達到顯存的二倍，當然有錢的話越大越好）。在深度學習中，會涉及到大量的數據交換操作（例如按batch讀取數據）。當然你也可以選擇將數據存儲在硬碟上，每次讀取很小的batch塊，這樣你的訓練周期就會非常長。常用的方案是「選擇一個較大的內存，每次從硬碟中讀取幾個batch的數據存放在內存中，然後進行數據處理」，這樣可以保證數據不間斷的傳輸，從而高效的完成數據處理的任務。
電源問題：一個顯卡的功率接近300W，四顯卡建議電源在1500W以上，為了以後擴展，可選擇更大的電源。
固態硬碟：作為一個「本地存儲器」，主要用於存儲各種數據。由於其速度較慢，價格自然也比較便宜。建議你選擇一個較大容量的硬碟，通常會選擇1T/2T。一個好的方法是：「你可以利用上一些舊的硬碟，因為硬碟的擴展十分簡單，這樣可以節省一部分資金。」

E. 小白求教深度學習電腦配置

深度學習的配置是需要一些投入的，所以應該分階段來購買配置比較合理。

初學者：

台式機，內存8G，16G左右，GPU用GTX1050，沒有也是可以的，剩下的你開心就好

理由：剛剛學習深度學習，所以需要打好理論知識基礎，簡單的深度學習例子跑跑，熟悉演算法，提高興趣就可以了。MNIST和CIFAR10的圖像分類等等作為入門的例子，並不需要太大的計算力，加上現階段因為人工智慧和比特幣的熱潮，加上吃雞游戲風靡，所以高端顯卡有點貴。

已入門：

台式機 內存32G GTX1080Ti 固態硬碟

理由：這一階段的時間，主要耗費在數據訓練，數據清洗（如果有的話），一個好的GPU可以幫助你節省大量的訓練時間，固態硬碟可以更快的讀寫文件

專業級別

研究者以及企業屬於這個范疇，其他不說了，能多好就多好，只說下GPU，主要就是使用Titan啊，Teras啊這種級別的顯卡，價格高的不要不要的，推薦使用雲服務的GPU伺服器吧

希望以上回答可以幫到你

F. 深度學習吃什麼配置

看你的需求了，如果想跑大一點的神經網路（e.g. AlexNet），最好是用GTX 770或更好的Titan, K40等GPU。如果只是MNIST上跑著玩一般的卡就可以。 對CPU沒有太多要求，顯卡的內存要大於3g要使用CUDNN的話，GPU的運算能力必須達到3.0。沒有GPU也是可以的，但是會非常的慢對GPU沒有要求，唯一的要求就是顯卡要支持cuda（A卡淚奔。。）。如果你顯卡不支持cuda，也不要緊，可以用CPU跑。在你的網路配置文件solver.prototxt文件最後一行，設置為CPU模式即可。

G. 學生做深度學習有什麼高性價比的電腦配置推薦

建議買x99、x299，c422等主板，PCIE通道40多個，4通道內存，擴展性良好，性能不夠直接加顯卡就行。

每張顯卡需要8個或16個PCIE通道，固態硬碟還要佔用4個，普通的z490主板只有16個通道，更低端的就更少了，明顯沒有擴展能力。

x99還能找到庫存全新的，才1700塊左右，買的時候注意PCIE卡槽間距離，一個顯卡要佔用兩個卡槽的位置。再加個拆機的1400左右的18核至強e5 2690v4。以後1個顯卡，2個顯卡，3個顯卡，4個顯卡隨便上，完美。

顯卡(Video card，Graphics card)全稱顯示介面卡，又稱顯示適配器，是計算機最基本配置、最重要的配件之一。

顯卡作為電腦主機里的一個重要組成部分，是電腦進行數模信號轉換的設備，承擔輸出顯示圖形的任務。

顯卡接在電腦主板上，它將電腦的數字信號轉換成模擬信號讓顯示器顯示出來，同時顯卡還是有圖像處理能力，可協助CPU工作，提高整體的運行速度。

對於從事專業圖形設計的人來說顯卡非常重要。 民用和軍用顯卡圖形晶元供應商主要包括AMD(超微半導體)和Nvidia(英偉達)2家。

現在的top500計算機，都包含顯卡計算核心。在科學計算中，顯卡被稱為顯示加速卡。

H. 如何配置一台適用於深度學習的工作站

學習機器學習相關的演算法和演練流行的平台或框架，不需要特別強大的設備。所以對深度學習而言，基本的需求則是：內存大於:8G一片以上帶CUDA單元的顯卡。操作系統：win7/8/10/ubuntu/OSX皆可這對大多數人來說都不難，如果手上的電腦沒超過五年，簡單的升級一下自己手上的電腦即可。一般就三步：

1.加顯卡: 1050ti 4G<省錢，入門>，1070ti<性價比最高，價格還不錯>，高端可選1080ti。勿買3G顯存版本，好多CNN的sample 都跑不起來。買個大廠的公版即可，沒必要買那些超頻的版本。

2.加內存: 買來插上即可/當然，有個SSD硬碟效果更佳。

3.換電源：單顯卡>400W，雙顯卡>700W。基本來說這樣就足夠了。最近intel的新處理器8xxx出來了，ryzen1700和i7 8700價格和性能都差不多的情況下,還是首選intel的吧.對於3-8卡的場景，大多不缺錢，價格似乎也不要緊。省錢的攻略內容不適用，有錢的隨意即可。

I. 如何配置一台深度學習主機

搞AI，誰又能沒有「GPU之惑」？下面列出了一些適合進行深度學習模型訓練的GPU，並將它們進行了橫向比較，一起來看看吧！

J. 深度學習電腦要求

深度學習電腦是一個很大的概念，這個要看深入的程度，比如到每個硬體的設計，各個硬體之間的連接，操作系統的運行，應用程序的運行，網路的層次結構，網路傳輸協議等等。演算法的設計，如今的大數據分析，物聯網技術每個概念都是一個很難的方向。