深度系统对电脑配置要求

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e52690v4。

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(Videocard，Graphicscard)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。

谷歌人工智能写作项目：神经网络伪原创

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，因为跑不起来呀文案狗。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NVGTX1070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TitanX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。”

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。

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GPURAM,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。

用深度学习做图像识别是不是要求很高的电脑配置

。

推荐配置：CPUAMDA10-7890K1¥1169主板技嘉GA-1¥799内存海盗船8GBDDR31600（CMZ8GX3M1A1600C10）2¥359硬盘希捷Desktop1TB7200转8GB混合硬盘（ST2000DX001）1¥300固态硬盘三星850EVO系列（128GB）1¥379显卡七彩虹iGame970烈焰战神U-4GD51¥2599显示器AOCLD32E01M1¥1100。

大学专业学习人工智能专业买电脑要多少配置？

这要看你平时怎么使用。比如说你平时打游戏，那么显卡就要高配，显卡这玩意配置越高越贵，而且贵的离谱。如果平时就写写文档敲敲代码，那配置其实并不如何夸张。

机器学习深度学习这些，说白了本科阶段就是敲代码和实现，一般来说16G内存512固态就够了，处理器有个i5的中端就行，显卡另说，这么一算，联想最便宜能有3700-5000(看笔记本还是台式)，其他的可能也就贵一点。

做深度学习的自然语言处理对电脑的配置有什么要求

。

四颗TITANXGPU，每颗GPU有12GB内存64GBDDR4华硕X99-EWS工作站级主板支持4路PCI-EGen3x16酷睿i7-5930K6核3.5GHz台式机处理器三个3TBSATA6Gb3.5“企业级硬盘RAID5用于RAID的512GBPCI-EM.2SSD缓存250GBSATA6Gb内置SSD包括EVGA在内的高级供应商的1600W电源装置Ubuntu14.04NVIDIA合格的驱动程序NVIDIA®（英伟达™）CUDA®工具包NVIDIA®DIGITS™SWNVIDIA®cuDNN™Caffe，Theano，火炬，BIDMachNVIDIA®DIGITS™DevBox官方参考。