1. 显卡的选择

无脑Nvidia，我选择的是2080Ti。附上显卡天梯图。建议1080Ti或者2080Ti。

选择显卡时要考虑几点：
1.1 内存
如果数据量很大，模型复杂，尤其是训练卷积神经网络，建议大内存。如果预算充足，建议大内存。如果不清楚自己需要多大的内存，那就先买一个大内存吧，一步到位。
1.2 内存带宽 GB/s
即内存每秒读取和写入的吞吐量。
这是最重要的GPU性能参数之一（如果非要加之一的话），因为目前的限速步主要时从内存中提取以供计算的速度。一本书中指出 ¹ ,实际使用GTX1060显卡时，由于内存带宽的限制（192GB/s），通常只能达到40%的饱和计算能力。
一个简单的表格是这么创建的：

表1.1 常见显卡参数（2019.4）

显卡	架构	带宽	价格
TITAN RTX 24G	Turing	672 GB/s	17000
RTX 2080 Ti 11G	Turing	616GB/s	9500
GTX 1080 Ti 11G	Pascal	484GB/s	5000
GTX 1080	Pascal	320GB/s	2800
GTX 1060 6G	Pascal	192GB/s	1200

注：不同架构下的带宽不可直接比较，可定性参考。

2. CPU的选择

CPU主要做预处理，一般来说，CPU在深度学习中的作用不明显。

cpu天梯图

本着尽量一步到位的原则，尽量选一个匹配的CPU，因为这台电脑还要办公，速度快，也有利于工作。我选的时Core i7 7820X。卖家一直推荐AMD的，说是AMD的性价比高。
CPU选购时的注意事项：
2.1 PCle 通道
尽量选择PCle通道数多的CPU，有40条及以上为宜。
2.2 主频
选主频高，运算快的CPU。
2.3 核心
一般一个核心对应一个显卡，根据准备配置的显卡数量选择核心，尽量预留出两个核心的冗余。
我在挑选CPU时，看到的几款参数如下：

表2.1 常见CPU参数（2019.4）

CPU型号	核心	频率	支持主板	价格
Core i9 9820X	10核/20线程	3.3GHz	X299	6500
Core i7 7820X	8核/16线程	3.6GHz	X299	4099
Core i9 9700K	8核	3.6GHz	Z390	3099
Core i7 8700K	6核	3.7GHz	Z390	2599
Core i9 9900K	8核/16线程	3.6GHz	z390	4199

cpu选购时，要与主板配套，考虑到以后准备扩展GPU，故而在选择主板时，倾向于X299，X399。确定了选择X系列的主板，CPU的可选范围并不大，只有i7 7820x和i9 9820x可供选择，由于预算有限，我选择了i7 7820x。

3. 主板的选择

选择主板首选要考虑的一点是，准备以后升级到多个GPU吗？
如果需要升级，则要选多PCle接口的主板。
主板选购时的注意事项：
3.1 PCle 通道
我遇到的几个主板：

表3.1 主板参数（2019.4）

主板型号	PCle 接口数	路数	支持CPU	价格	架构
华硕TUF X299 MARK2	PCle 16*3	3路	core X系列	2599	X299
华硕 PRIME X299-DELUXE	PCle 16*4	4路	core X系列	4199	X299
技嘉 GAMING X	PCI e 16*1		Core K系列	1358	Z390

考虑到以后升级，我选择的是：华硕TUF X299 MARK2

4.内存

现阶段，最大的内存条为16G，比16G大的很少，听说只有三星一家有。

不过，好在X299主板可以插8根内存条，一共可达128G，Z390最大可达64G(4根)。
我选择的内存条时：海盗船DDR4,频率为3000，两根32G,花费1999元。

4.电源，机箱，散热

机箱选择的是：先马黑洞2 空间比价大，是长方形，挺好看的，推荐。
电源：海盗船 RM 750x 750W。等以后加GPU了还要再换电源，4个GPU至少要1600w。
散热：Tt 枭龙 240 一体水冷。
(注：这些时卖家推荐的)

5.总花费为：2万左右

鲁大师检测：

电脑型号 X64 兼容台式电脑 (扫描时间：2019年04月06日)
操作系统 Windows 10 专业版 64位 ( DirectX 12 )
处理器英特尔 Core i7-7820X @ 3.60GHz 八核
主板华硕 TUF X299 MARK 2 ( 英特尔 Xeon processor P family/Core i7 DMI3 Port - 2020 - 200 Series 芯片组 Family - A2Dw巚M )
内存 32 GB ( 2133MHz )
主硬盘浦科特 PX-512M8VC ( 512 GB / 固态硬盘 )
显卡 Nvidia GeForce RTX 2080 Ti ( 11 GB / 丽台 )
显示器飞利浦 PHLC0C6 PHL 224E5 ( 21.7 英寸 )
声卡瑞昱 @ 英特尔 High Definition Audio 控制器
网卡英特尔 Ethernet Connection I219-V / 华硕

跑分58万

谢梁，鲁颖，劳虹岚等.,《Keras 快速上手:基于Python的深度学习实战》.北京：电子工业出版社，2017.8. ↩︎

【深度学习001】深度学习工作站组装—硬件篇—预算2万（20190401）相关推荐

Cyclone V SoC FPGA学习之路第二章：硬件篇
Cyclone V SoC FPGA学习之路第二章:硬件篇(内部资源) 前言上一章了解了<cycloneV device datasheet>,其中数据手册里重点介绍了电源要求,时序参数 ...
3万计算机配置清单,电脑组装知识网预算2万至3万元电脑主机推荐九代酷睿i9-9900K搭RTX2080Ti全能型高配电脑主机配置清单...
本文转自:http://www.dn010.com/peizhi/710.html 近日,一位网友联系了小编,说他要配一套高配置的电脑主机,主机预算约为2万至3万元,针对该网友的预算要求,小编提供一套 ...
飞桨PaddlePaddle-百度架构师手把手带你零基础实践深度学习——21日学习总结
飞桨PaddlePaddle-百度架构师手把手带你零基础实践深度学习--21日学习总结写在前面的话纯新手小白,第一次接触深度学习方面的应用.感谢飞桨提供的这次学习机会.之前有学习到深度学习的理论方 ...
【深度学习】深度强化学习初学者指南
一.说明 GAN(Generative Adversarial Networks)是一种深度学习模型,它由两个神经网络组成:一个生成网络和一个判别网络.生成网络学习如何生成类似于给定数据集的新数据,而 ...
打破深度学习局限，强化学习、深度森林或是企业AI决策技术的“良药”
算法.算力和数据是人工智能时代的三驾马车,成为企业赋能人工智能的动力,但它们自身的特性也为企业和高校在研究和落地应用过程带来了重重挑战.比如,训练算法的成本高昂,数据从采集.处理到存储已面临瓶颈,目前 ...
干货丨简述迁移学习在深度学习中的应用
文章来源:机器之心迁移学习是一种机器学习方法,就是把为任务 A 开发的模型作为初始点,重新使用在为任务 B 开发模型的过程中. 深度学习中在计算机视觉任务和自然语言处理任务中将预训练的模型作为新模型 ...
深度学习图像分类_深度学习时代您应该阅读的10篇文章了解图像分类
深度学习图像分类前言 (Foreword) Computer vision is a subject to convert images and videos into machine-under ...
迁移学习让深度学习更容易
深度学习在一些传统方法难以处理的领域有了很大的进展.这种成功是由于改变了传统机器学习的几个出发点,使其在应用于非结构化数据时性能很好.如今深度学习模型可以玩游戏,检测癌症,和人类交谈,自动驾驶. 深度 ...
必看总结！深度学习时代您应该阅读的10篇文章了解图像分类！
前言目录前言 1998年:LeNet 2012年:AlexNet 2014年:VGG 2014年:GoogLeNet 2015年:Batch Normalization 2015年:ResNet ...

【深度学习001】深度学习工作站组装—硬件篇—预算2万（20190401）

目录