深度学习工作站配置推荐，结论分析
在详细讨论之前，让我们得出一些结论。
1、目前只有Nvida GPU可以完全支持深度学习，因此请购买最新的NVidia显卡（Pascal、图灵架构或更高版本）。
2、GPU ROI基本上是线性的，因此可以根据需要配置其他GPU。
3、车间需要可靠的电源才能长期稳定，所以电源选择要稳定。
4、在当前预算中，GPU>CPU=RAM>=SSD
5、云服务很容易使用，但长期以来非常昂贵，因此我们需要配备自己的硬件设施。
1、需求分析
为什么专门为深度学习配置工作站（服务器）？
1）、深度学习需要大量并行计算资源，这些资源可以在几天或几周内计算出来。图形卡（GPU）为这些任务提供数十倍或数百倍的加速。强大的GPU可以在几个小时内完成源CPU需要完成的任务。例如，深度学习和机器学习已经完全转化为用于训练任务的GPU架构。
2）、即使是今天使用GPU的深度学习任务，根据数据规模和深度学习网络模型，也需要数天甚至数月的时间，并且将使用单独的设备来确保7x24小时的训练任务稳定运行。
3）、独立的深度学习工作站（服务器）可以促进实验室计算资源的共享。多个用户可以将程序写入PC并远程访问深度学习服务器以使用队列中的计算资源，从而降低设备购买成本，避免本地计算机配置中的复杂软件环境。
2、配置建议
在讨论了基本要求之后，进入主题并以不同的价格推荐几个配置模板。
1）、深度学习入门配置i5 8400+GTX1060/1070/1070ti+16G RAM+256G SSD约7000韩元。这种配置基本上可以测试大多数型号。但学习是一个渐进的过程。如果你有知识，你肯定知道你需要更高规格设备的配置。
2）、深度学习个人高级配置i7 8700K+GTX 1080TI+32G RAM+512G SSD，约15000韩元。通过这种配置，大多数深度学习项目通常没有问题。如果您对高级集群有更深入的需求，您应该知道需要什么配置。我的建议不可行
3）、深入学习个人完美配置，I7 9700K+GTX 2080 TI2或GTX Titan V1+64G RAM+2T SSD。3万多韩元。双倍2080 TI（20000）使用，您可以在计算机上保持最快的速度和最高的性价比。GTX TITAN V可以达到单个图形卡当前计算性能的最高值，并使用11G或更高的图形内存完成某些型号。
4）、深度学习实验室的共享服务器可以运行2080ti或4Titan V724小时。事实上，前两种配置也可以用作共享服务器，但计算资源太少，预算也足够。购买一个功能强大的多图形深度学习服务器需要24、7小时。其他用户在笔记本电脑和台式机上创建折叠神经网络。您可以先创建并调试它。上传到服务器进行培训。这可以大大降低设备成本，充分利用计算资源，并消除每个用户单独配置复杂软件环境的需要。
5）、深度学习实验室中共享服务器的最大配置。基本上，这是单个服务器可以提供的最大配置。如果您想要更高的配置，可以基于大型商业研究机构的模拟构建服务器集群。（像购买大量这样的设备和使用快速以太网连接一样，10GE交换机可能要花费数万元。）
