深度学习工作站配置要求都有哪些？

深度学习工作站配置要求都有哪些？

深度学习任务需要非常高的计算机性能。通过深度神经网络计算，分析了理想的关键硬件配置要求。

硬件性能要求

1、CPU：

图形卡主要用于Cuda计算，因此需要较少的CPU。频率越高，线程数越好。通常，CPU内核的最小数量大于图形卡的数量。限制之一是CPU的PCI-E通道的最大数量。每个图形卡不使用16个pcie通道来实现最大性能。只有一个CPU可以支持多达40 pcie。也就是说，即使有四个cie x16接口，最多也只能使用两个x16+1个x8。插入的图形卡无法发挥其全部性能。然而，主板芯片组也可以扩展PCB通道的一部分。（x99主板可扩展至2.0 8通道，z170可扩展至3.0 20通道）。

2、图形卡：

深度学习需要强大的图形卡来完成复杂的单精度任务。通常，神经网络需要大量的视频存储器和存储资源。因此，运行大规模深度缩减网络和执行计算机视觉任务需要8GB或更高的视频存储。通常GTX1070选择以上选项。你应该买一个有大图形内存的图形卡。以下是2080ti、208020701080ti、10701060、Titan X和Titan V的比较。

TFLOPS（每秒太浮点运算）单精度

这意味着计算能力决定了计算速度。1080 ti、2080 ti和泰坦V是首选，但最强大的泰坦V的价格是2080 ti的三倍。

单精度计算功能

VRAM（视频存储器）：根据视频存储器的大小，网络模型可以工作。大型神经网络需要8G以上的视频存储器。因此，如果你买了一个具有大视频存储器的视频卡，大多数神经网络模型都可以顺利工作。

3、内存大小

其中有1080ti 11G视频内存，可以承受大型网络型号，性能强劲，价格在5000韩元左右，性价比最高。

2080ti是最新的图形卡。虽然它有11G视频内存，但它的速度是1080TI的1.5倍，价格在9000元左右。

Titan V具有12G视频存储。它可以运行大多数网络，而且速度最快。因为它是商业性的，所以它的价格也非常令人兴奋，大约每件2.5万元。

这三个模型更适合于深度学习图像处理任务。他们可以完成大部分网络，并根据预算自由选择。它们可以看作是8G视频存储器和6G视频存储器的1080和1060度性价比的选择。然而，考虑到视频存储器的限制，图形卡的存储器超过11G。

4、主板：

如果您使用多个图形卡，主板必须具有额外的PCB通道。通常，扩展PCB通道（如x99、x299等）仅在服务器主板上可用。但是，这些主板必须与具有此接口的服务器级CPU（Xeon系列、i7 7900x或更高版本、i9系列等）一起使用。请使用CPU提供的40通道PCie。

5、内存：

深度学习需要大量数据，中间过程也会暂时存储大量数据。通常，它需要2到3倍的视频存储器，32G或更大。记忆频率越高越好。

建议至少32G DDR4 3200MHz内存（16G.2）约为2000韩元，预算可升级至64G（约4000韩元）。

6、硬盘：

深度学习需要大量数据和快速访问速度。通常，大型固态磁盘是系统磁盘和训练数据仓库的存储磁盘，而机械硬盘hdd是存储磁盘。

建议使用超过512G NVME固态硬盘（800韩元）和数TB（2TB约300韩元）作为存储空间

7、电源和机箱：

事实上，我们“没完没了”地确保长期稳定运行。由于培训，我们需要购买相对稳定的电源。通常，电源使用主要品牌的80PLUS黄金或白金认证。只能使用一个700w图形卡，每增加一个卡就增加400w。钛V使用约1600w电源。