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,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,你需要选择一个好的GPU,当然你也可以选择将数据存储在硬盘上,建议你选择一个较大容量的硬盘,需要长期从事深度学习领域的研究,最大支持2T）系统硬盘：2块INTEL 2.5寸480G 企业级SSD固态硬盘（最大支持8块硬盘,最大支持2T）系统硬盘：2块INTEL 2.5寸480G 企业级SSD固态硬盘（最大支持8块硬盘。

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GPU RAM, 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。

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。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NV GTX 1070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Titan X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。”

如何配置一台适用于深度学习的工作站

学习机器学习相关的算法和演练流行的平台或框架，不需要特别强大的设备。所以对深度学习而言，基本的需求则是：内存大于:8G一片以上带CUDA单元的显卡。操作系统：win7/8/10/ubuntu/OSX皆可这对大多数人来说都不难，如果手上的电脑没超过五年，简单的升级一下自己手上的电脑即可。一般就三步：

1.加显卡:  1050ti 4G《省钱，入门》，1070ti《性价比最高，价格还不错》，高端可选1080ti。勿买3G显存版本，好多CNN的sample 都跑不起来。买个大厂的公版即可，没必要买那些超频的版本。

2.加内存:  买来插上即可/当然，有个SSD硬盘效果更佳。

3.换电源：单显卡》400W，双显卡》700W。基本来说这样就足够了。最近intel的新处理器8xxx出来了，ryzen1700和i7 8700价格和性能都差不多的情况下,还是首选intel的吧.对于3-8卡的场景，大多不缺钱，价格似乎也不要紧。省钱的攻略内容不适用，有钱的随意即可。

深度学习主机配置，可支持多个GPU卡的GPU工作站或服务器

推荐品牌： LINKZOL(联众集群)，可咨询：1381O114665推荐配置一：计算平台采用：LZ743GR-2G/Q系统：Ubuntu 14.04.3 x64CPU:Intel Xeon十核E5-2630v4(2.2GHz,8.0 GT/s)内存：原厂64GB内存 (16GB×4) DDR4 2133MHZ ECC-REG.（带内存校错技术，最大支持2T）系统硬盘：INTEL 2.5寸240G 企业级SSD固态硬盘（最大支持8块硬盘，类型：SATA,SSD）系统硬盘:希捷3.5寸4T 7200RPM 企业级硬盘（最大支持8块硬盘，类型：SATA,SSD;）GPU卡：2块NVIDIA TATAN-X GPU卡 （CUDA核心数3584个核心，12G DDR5 显存，最大2个GPU卡）电源：1200W High efficiency (96%)金牌电源推荐配置二：计算平台采用：LZ-748GT 系统：Ubuntu 14.04.3 x64CPU:Intel Xeon十二核E5-2650v4(2.2GHz,9.6 GT/s)内存：原厂256GB内存 (16GB×16) DDR4 2133MHZ ECC-REG.（带内存校错技术，最大支持2T）系统硬盘：2块INTEL 2.5寸480G 企业级SSD固态硬盘（最大支持8块硬盘，类型：SATA,SSD）系统硬盘:3块希捷3.5寸4T 7200RPM 企业级硬盘（最大支持8块硬盘，类型：SATA,SSD;）GPU卡：4块TESLA TITANX GPU计算卡或者4块tesla P4O GPU卡 （CUDA核心数3584个核心，12G DDR5 显存，最大4个GPU卡）电源：2000W High efficiency (94%)冗余钛金电源推荐配置三：计算平台采用：LZ428GR-8G/Q系统：Ubuntu 14.04.3 x64CPU:Intel Xeon十四核E5-2690v4(2.6GHz,9.6GT/s)内存：原厂256GB内存 (16GB×16) DDR4 2133MHZ ECC-REG.（带内存校错技术，最大支持2T）系统硬盘：2块INTEL 2.5寸480G 企业级SSD固态硬盘（最大支持8块硬盘，类型：SATA,SSD）系统硬盘:3块希捷2.5寸2T 7200RPM 企业级硬盘（最大支持8块硬盘，类型：SATA,SSD;）GPU卡：8块TESLA P40 GPU计算卡或者8块NVIDIA TATAN-X GPU卡 （CUDA核心数3584个核心，12G DDR5 显存，最大8个GPU卡）电源：1600W（2+2） High efficiency (96%)钛金电源

硬盘