深度学习装机指南：我们为普通青年和土豪准备了两套方案(2)
2017-03-29 编辑：
蓝盘为日常家用，最为通用；黑盘极其稳定，但是在运行过程中声音较大；红盘多用服务器数据存储，声音较小。故在第一套标准版配置中选择家用蓝盘即可，在第二套土豪级配置中最为高端稳定的黑盘作为存储盘，同时金盘也是不错的选择。
7. GPU
Tesla GPU性能很强劲，双精度计算能力非常优秀，适用于研究深度学习的超级计算机，但是Tesla K卡（K40，K80）十分昂贵，K40的价格为27000，K80的价格为37000。据一部分科研工作者反馈，对于网络计算的精度不需要达到这么高。
国内的公司和科研机构一般是使用一块Titan X Pascal，或者是两块GTX 1080，随着新品的面世，GTX1080 TI也是一个不错的选择。
GPU是计算的关键要素，利用台式机GPU来研究深度学习，就是通过足够的CUDA单元，以及配套的显存资源，来进行深度计算。尽管GPU也存在频率和显存带宽的差异，但是对于大部分的网络训练，6G及以上都是满足要求的。下图是对常用显卡的一个比较，可见如果是大量扩展时，1080TI和1070是比较合适的。
在标准版配置中，只能上一块GPU，建议显存大于等于6G，版本高于等于GTX 1060，即可满足日常实验研究，训练VGG网络或者Alexnet网络都不是问题。
上升到X99工作站主板后，最多可插两块Titan X或者四块 GTX 1080TI（当然仍然可以使用GTX 1080），上面选择的PCI-e总线为40的规定用于此处。
GTX1080 8G显存的价格是4100元左右；GTX 1080 TI显卡的价格是5700元左右，性能可以和Titan X相媲美，目前性价比最高；Titan X 12G显卡的价格是9700元，比较适用单次任务显存占用量高的网络，运行速度大约是GTX1080的1.6倍。
因此，我们在第二套土豪版配置中上了一块TITAN X，当然你也可以换成GTX 1080 TI，这也是不错的选择，根据实际训练情况再进行添置GPU。
特别需要注意的是，千万别买同级别的AMD卡！
NVida对深度学习计算的支持远远好于AMD，不然你会沉浸于无穷无尽的加速库安装和环境配置之中。
8. 电源
电源最高功率的计算可以通过鲁大师的功率计算功能得出，将得到的功率乘以1.4倍就是所需要购买的实际电源瓦数。
在第一种标准版配置中，实际功率大约为150+150+100=400w，保留充足的余量，选择海盗船VS650w的电源。
在第二种土豪版配置中，实际功率大约为250+150+100=500w，选择USCorsair RM750x金牌电源。如果你的台式机可能后期会添加显卡，那么你可能要考虑到这个问题，最多加装两个TITAN X的话，1000w电源已经足够了。
9. CPU散热器
考虑到台式机运行过程中CPU散热量较大，可以进行加装CPU风冷，如第一套配置里所用的，也可以进行加装CPU水冷，在第二套土豪级配置中用到了海盗船的水冷散热器。
以上是对深度学习装备的分析，以及面对8000和20000元分别推荐的配置清单。
其实，作者自己曾经花费4万元组装了一台深度学习工作站，更土豪的朋友可以点击阅读原文查看知乎上所提到的具体配置，或者进群一起讨论性能更高的配置方案。
量子位新建了一个 机器学习入门群，欢迎来讨论装机、环境配置以及网络原理等一切跟机器学习/深度学习技术有关的问题。
入群方法：加小助手微信qbitbot，注明“加入门群”，然后介绍一下你自己，符合要求我们会拉你入群??
我们后续还可能根据大家需要，推出关于Ubuntu系统安装以及TensorFlow、Caffe等框架的配置文章，欢迎在群里多提需求和建议。
笔芯~
△扫码强行关注『量子位』
追踪人工智能领域最劲内容
??戳原文，学习如何装一台4万多元的工作站