2021电脑配置深度学习

A. 如何配置一台适用于深度学习的工作站

作者：匿名用户
链接：https://www.hu.com/question/33996159/answer/143971704
来源：知乎
着作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

学习机器学习相关的算法和演练流行的平台或框架，不需要特别强大的设备。

所以对深度学习而言，基本的需求则是：内存大于:8G一片以上带CUDA单元的显卡。操作系统：ubuntu 16.04这对大多数人来说都不难，简单的升级一下自己手上的电脑即可：一般就三步：1.加显卡: 1060 6G<省钱，入门>，1080ti<性价比最高>。勿买3G显存版本，好多CNN的sample 都跑不起来。2.加内存: 买来插上即可3.换电源：单显卡>400W，双显卡>700W。基本来说这样就足够了。自打amd的ryzen出来，各大框架现在已经做了/正在做AMD的兼容性修改。就现在这个时间点上来说，对于1-2卡的应用，AMD平台的价格和性能优势是杠杠的。对于3-8卡的场景，大多不缺钱，价格似乎也不要紧。所以以前捡垃圾的内容不再适用了。就此删除掉。软件部分：TensorFlow/PyTorch一类的系统需要Ubuntu作为运行环境，这对大多数习惯了windows编辑器的同学来说，直接使用vi可能是最大的障碍。所以有一个WinSSHFS会极大的方便实际的开发工作。最近TensorFlow也支持了windows的GPU加速。似乎这个障碍也不存在了。对Windows端的py编辑，比较推荐pycharm或则是VS Code.PyTorch用到了S3的存储，因此有一个能出墙的小工具也是必要的。
破除几个误区： 1.所谓深度学习机器：没有这种特殊的机器，有带CUDA显卡的机器就是可以拿来学深度学习的,在售的多数所谓的科学计算机只是CPU和显卡比较多而已(超算机不在讨论之列)。 2.为了深度学习组专用平台： 没有这个必要，只是学习的话，随便找个电脑加一片显卡即可。 3.深度学习是不是要特别高的配置：我见过有个兄弟用笔记本(MBP)玩RCNN也玩得很high。 4.跑时间长了会不会烧掉？ 完全没有烧掉机器的可能，最多是你散热不行机器停机或是死机就是极限了，遇到所谓烧板子的情况与你的负载关系不大，多半是板子本身就坏掉了。

B. 没有显卡笔记本能跑深度学习

不行，必须有显卡，最好是n卡

C. 做深度学习的服务器需要哪些配置

要做一个深度学习的服务器，需要的配置有GPU RAM, 储存器，因为GPU是在我做深度学习服务器里面一个非常重要的部分，相当于是一个心脏，是非常核心的一个服务器，所以GPU是一个非常重要的东西，储存器也是相当重要的，因为很多数据都要放在ssd储存器上。

D. 深度学习 对硬件的要求

之前热衷于学习理论知识，目前想跑代码了发现不知道从何下手，自己电脑上搭建的平台基本就是个摆设，因为跑不起来呀。今天我们就来看看想做深度学习应该怎么下手。

首先了解下基础知识：
1、深度学习用cpu训练和用gpu训练的区别
（1）CPU主要用于串行运算；而GPU则是大规模并行运算。由于深度学习中样本量巨大，参数量也很大，所以GPU的作用就是加速网络运算。

（2）CPU算神经网络也是可以的，算出来的神经网络放到实际应用中效果也很好，只不过速度会很慢罢了。而目前GPU运算主要集中在矩阵乘法和卷积上，其他的逻辑运算速度并没有CPU快。

目前来讲有三种训练模型的方式：
1. 自己配置一个“本地服务器”，俗称高配的电脑。
这个选择一般是台式机，因为笔记本的“高配”实在是太昂贵了，同一个价格可以买到比笔记本好很多的配置。如果是长期使用，需要长期从事深度学习领域的研究，这个选择还是比较好的，比较自由。
①
预算一万以内的机器学习台式机/主机配置：

②
从李飞飞的课程里，可以看到她的电脑配置，这个配置是机器学习的基本设置。

内存：4X8G
显示卡： 两个NV GTX 1070

硬盘： HDD一个， SSD两个

③ 配置主机需要了解的参数（在上一篇博客中已经详细介绍了各个参数的含义）：
GPU：一个好的GPU可以将你的训练时间从几周缩减成几天，所以选GPU一定要非常慎重。可以参看GPU天梯榜，都是一些比较新的型号具有很强的性能。
在英伟达产品系列中，有消费领域的GeForce系列，有专业绘图领域的Quadro系列，有高性能计算领域的Tesla系列，如何选择？有论文研究，太高的精度对于深度学习的错误率是没有提升的，而且大部分的环境框架都只支持单精度，所以双精度浮点计算是不必要，Tesla系列都去掉了。从显卡效能的指标看，CUDA核心数要多，GPU频率要快，显存要大，带宽要高。这样，最新Titan
X算是价格便宜量又足的选择。
CPU：总的来说，你需要选择一个好的GPU，一个较好的CPU。作为一个高速的串行处理器，常用来作为“控制器”使用，用来发送和接收指令，解析指令等。由于GPU内部结构的限制，使得它比较适合进行高速的并行运算，而并不适合进行快速的指令控制，而且许多的数据需要在GPU和CPU之间进行存取，这就需要用到CPU，因为这是它的强项。
内存条：主要进行CPU和外设之间的数据交换，它的存取速度要比硬盘快好几倍，但是价格比较昂贵，通常会和容量成正比。内存大小最起码最起码最起码要大于你所选择的GPU的内存的大小（最好达到显存的二倍，当然有钱的话越大越好）。在深度学习中，会涉及到大量的数据交换操作（例如按batch读取数据）。当然你也可以选择将数据存储在硬盘上，每次读取很小的batch块，这样你的训练周期就会非常长。常用的方案是“选择一个较大的内存，每次从硬盘中读取几个batch的数据存放在内存中，然后进行数据处理”，这样可以保证数据不间断的传输，从而高效的完成数据处理的任务。
电源问题：一个显卡的功率接近300W，四显卡建议电源在1500W以上，为了以后扩展，可选择更大的电源。
固态硬盘：作为一个“本地存储器”，主要用于存储各种数据。由于其速度较慢，价格自然也比较便宜。建议你选择一个较大容量的硬盘，通常会选择1T/2T。一个好的方法是：“你可以利用上一些旧的硬盘，因为硬盘的扩展十分简单，这样可以节省一部分资金。”

E. 小白求教深度学习电脑配置

深度学习的配置是需要一些投入的，所以应该分阶段来购买配置比较合理。

初学者：

台式机，内存8G，16G左右，GPU用GTX1050，没有也是可以的，剩下的你开心就好

理由：刚刚学习深度学习，所以需要打好理论知识基础，简单的深度学习例子跑跑，熟悉算法，提高兴趣就可以了。MNIST和CIFAR10的图像分类等等作为入门的例子，并不需要太大的计算力，加上现阶段因为人工智能和比特币的热潮，加上吃鸡游戏风靡，所以高端显卡有点贵。

已入门：

台式机 内存32G GTX1080Ti 固态硬盘

理由：这一阶段的时间，主要耗费在数据训练，数据清洗（如果有的话），一个好的GPU可以帮助你节省大量的训练时间，固态硬盘可以更快的读写文件

专业级别

研究者以及企业属于这个范畴，其他不说了，能多好就多好，只说下GPU，主要就是使用Titan啊，Teras啊这种级别的显卡，价格高的不要不要的，推荐使用云服务的GPU服务器吧

希望以上回答可以帮到你

F. 深度学习吃什么配置

看你的需求了，如果想跑大一点的神经网络（e.g. AlexNet），最好是用GTX 770或更好的Titan, K40等GPU。如果只是MNIST上跑着玩一般的卡就可以。 对CPU没有太多要求，显卡的内存要大于3g要使用CUDNN的话，GPU的运算能力必须达到3.0。没有GPU也是可以的，但是会非常的慢对GPU没有要求，唯一的要求就是显卡要支持cuda（A卡泪奔。。）。如果你显卡不支持cuda，也不要紧，可以用CPU跑。在你的网络配置文件solver.prototxt文件最后一行，设置为CPU模式即可。

G. 学生做深度学习有什么高性价比的电脑配置推荐

建议买x99、x299，c422等主板，PCIE通道40多个，4通道内存，扩展性良好，性能不够直接加显卡就行。

每张显卡需要8个或16个PCIE通道，固态硬盘还要占用4个，普通的z490主板只有16个通道，更低端的就更少了，明显没有扩展能力。

x99还能找到库存全新的，才1700块左右，买的时候注意PCIE卡槽间距离，一个显卡要占用两个卡槽的位置。再加个拆机的1400左右的18核至强e5 2690v4。以后1个显卡，2个显卡，3个显卡，4个显卡随便上，完美。

显卡(Video card，Graphics card)全称显示接口卡，又称显示适配器，是计算机最基本配置、最重要的配件之一。

显卡作为电脑主机里的一个重要组成部分，是电脑进行数模信号转换的设备，承担输出显示图形的任务。

显卡接在电脑主板上，它将电脑的数字信号转换成模拟信号让显示器显示出来，同时显卡还是有图像处理能力，可协助CPU工作，提高整体的运行速度。

对于从事专业图形设计的人来说显卡非常重要。 民用和军用显卡图形芯片供应商主要包括AMD(超微半导体)和Nvidia(英伟达)2家。

现在的top500计算机，都包含显卡计算核心。在科学计算中，显卡被称为显示加速卡。

H. 如何配置一台适用于深度学习的工作站

学习机器学习相关的算法和演练流行的平台或框架，不需要特别强大的设备。所以对深度学习而言，基本的需求则是：内存大于:8G一片以上带CUDA单元的显卡。操作系统：win7/8/10/ubuntu/OSX皆可这对大多数人来说都不难，如果手上的电脑没超过五年，简单的升级一下自己手上的电脑即可。一般就三步：

1.加显卡: 1050ti 4G<省钱，入门>，1070ti<性价比最高，价格还不错>，高端可选1080ti。勿买3G显存版本，好多CNN的sample 都跑不起来。买个大厂的公版即可，没必要买那些超频的版本。

2.加内存: 买来插上即可/当然，有个SSD硬盘效果更佳。

3.换电源：单显卡>400W，双显卡>700W。基本来说这样就足够了。最近intel的新处理器8xxx出来了，ryzen1700和i7 8700价格和性能都差不多的情况下,还是首选intel的吧.对于3-8卡的场景，大多不缺钱，价格似乎也不要紧。省钱的攻略内容不适用，有钱的随意即可。

I. 如何配置一台深度学习主机

搞AI，谁又能没有“GPU之惑”？下面列出了一些适合进行深度学习模型训练的GPU，并将它们进行了横向比较，一起来看看吧！

J. 深度学习电脑要求

深度学习电脑是一个很大的概念，这个要看深入的程度，比如到每个硬件的设计，各个硬件之间的连接，操作系统的运行，应用程序的运行，网络的层次结构，网络传输协议等等。算法的设计，如今的大数据分析，物联网技术每个概念都是一个很难的方向。