2020-03-21 04:08:28 佚名

君牧森林

做深度學習對於顯卡要求極高而且極其苛刻，我其實不建議買筆記本來做深度學習，強烈建議自己DIY臺式機來做深度學習，當然你也可以有其他備用選擇，選擇比較成熟的雲服務器或者成品服務器。

AlphaGo和百度無人駕駛汽車逐漸進入大眾視野之後，人工智能最核心的技術方向深度學習成了很多技術從業者爭相進入的領域。由於圖像識別等方面的技術需求，你需要保證你的機器擁有足夠多的CUDA運算單元，你的顯卡選擇將變得非常侷限性，你基本上只有N卡可以選擇，A卡基本上就放棄了，深度學習最核心的就是GPU編程，而英偉達的CUDA基本上統治了深度學習領域，而且對顯卡性能要求非常高。

可選擇的DIY方式

第一種：購買成品服務器產品，比如你可以選擇英偉達DIGITS DevBox類似產品；或者購買成熟雲計算公司的成熟雲服務，Amazon AWS、Google Cloud、阿里雲都有非常成熟的雲GPU服務。

第二種：完全自己DIY攢一臺深度學習工作站。

英偉達的DIGITS DevBox性能很強，基本上能夠保證你日常深度模型訓練的所有場景，涉及到卷積神經網絡cuDNN也能完全駕馭，亞馬遜雲、谷歌雲、阿里雲等雲服務，使用遠程GPU也是沒問題的。當然我相信大多數人還是會選擇自己組裝機器，畢竟這個是使用起來最方便的，下面會詳細介紹。

完全自己DIY組裝深度學習工作站

還是那句話，在預算允許的前提下，我還是強烈建議2路GPU，我相信你真正把這一行做好了，這點錢你可以輕輕鬆鬆掙回來，比如你可以直接上兩塊GTX 1080Ti，或者高的你也可以上兩塊RTX 2080Ti、Titan RTX，當然這是為了最爽的體驗，這跟打遊戲還不太一樣，打遊戲只要你配置夠了不會有差別，做深度學習是GPU運算單元越充足越好。

配置之前本來準備說一點非常有用的廢話，不過篇幅有限我這裡就不再贅述，大家如果感興趣的可以私聊我，具體關於你的框架選擇，是否要考慮cuDNN卷積神經網絡。

儘量控制10000元預算左右

處理器選擇Core i5或者Core i7，建議直接選擇最新的9代U，畢竟還是新一點好；顯卡選擇GTX 1080，當然你可以稍微選擇更高一點的選擇，但是不要低於這個配置；內存選擇不低於8G以上選擇，可能的話選擇16G以上內存；硬盤選擇建議256GB存儲SSD和1TB機械硬盤組合；主板建議選擇華碩的板子，800左右的預算綽綽有餘。

其他的電源選擇一定要夠用，機箱選擇就看你自己的喜好，其他的沒太大影響。基本上按照這個硬件配置下來，能夠把預算控制到10000元左右的預算，而且對於日常的模型學習來說肯定是沒問題的。