【文末开奖】如何配置一台以机器学习、深度学习为用途的工作站？

来源：https://www.zhihu.com/question/310387269 转自：深度学习与计算机视觉 声明：仅做学术分享，侵删

作者：丁一帆 https://www.zhihu.com/question/310387269/answer/926638382

这里介绍10K以下的机器

众所周知，深度学习是有钱人的游戏(笑)作为一个穷学生(definitely)为了不只和minist较劲，需要配置一台较好的工作站，然而学生荷包空空，实验室的服务器抢手，如何配置一台够用的服务器呢。

(洋垃圾)服务器篇：

穷人的救星，P104显卡

P104显卡，或者说是换了马甲的1070显卡，拥有8G显存，一般只要700RMB就能搞到不错的橙色，用于跑深度学习再好不过了

笔者刚好有一块P104显卡。这块卡是750rmb收的。用于跑深度学习再好不过了

大概长这样

卡支持cuda，意味着tensorflow和pytorch都可以使用

tensorflow初始化，8G显存可用

由于去掉了视频输入输出模块，该卡的温度较低，满载65摄氏度左右。

手上刚好有个PSMNet 跑一下看看温度吧

第二个epoch，其实大差不差

然后是算力？算力的话，以1080ti为坐标系1 大概是0.6-0.7左右(训练PSMnet的时候有图片加载时间，是0.7）

如果电源够大，可以考虑四块连载，效果更佳

(洋垃圾)平台篇(c612）

如果是老师付电费系列，当然可以直接选择C612

现在x99平台的cpu已经足够便宜(AMD,YES!)这里推荐使用富士康的主板和e5 2670v3*2

加起来也就1700元

拥有48条PCIE和28C 56T 足够你插4块显卡了

当然作为A fan 我肯定用amd啦

大玩具2

主力机

但是一定要知道，amd的pcie实际上是不足的，最多支持两块显卡，拿来跑小项目还行，多卡大项目是不行的

（洋垃圾）散热篇

水冷?不存在的。买不起。

基本上是靠暴力风扇来散热，做深度学习多卡一定要先考虑散热再上玩具，大部分机箱的散热性能堪忧，两块显卡就能上90度，千万别嫌吵，能上多大风扇上多大风扇。

基本上就写道这里把，我会一点cuda，主语言还是C++，人生苦短，python太慢，还是C++好。

作者：sqrt3 https://www.zhihu.com/question/310387269/answer/589429977

我觉得可以分情况讨论

1.新手：没有任何深度学习经验，想体验一下深度学习技术（跑一些现成的代码）

选择A - 各种云：个人只用过AWS云，其它的估计差不多。好处在于可以直接加载别人的预设环境，省去很多配环境的烦恼，并且学生/新手有各种优惠，基本不用花什么钱。

选择B - 淘宝租服务器：目前淘宝租一个月单卡1060服务器约400元，租一个月1080ti约1100元，还提供各种有偿配环境的服务，个人觉得比云要实在一些。

选择C - 拿自己已经有的机器：15年以前的模型基本上CPU或者MX150就能跑了，也可以顺便学学怎么配环境装驱动。

2.入门：已经学习了一些深度学习基础，打算参与实战项目，比如复现论文和改进经典的模型。

这个阶段不建议大家用云，性价比不高并且折腾的空间小，毕竟只有在不停折腾中才能不断进步。

选择A - 游戏主机： 按照家用游戏主机的思路，根据自己的经济情况选择相应的配置，可以参考网络上很多现成的推荐，也可以直接对已有主机进行升级（比如多插一块矿卡，再升级下电源）。

要注意深度学习和游戏不同的几点

• 因为希望机器能长时间高性能运转，尽量选择更好的电源/散热和主板
• 超频的本质是用速度换稳定性，所以不要考虑超频
• 把大部分的钱花在显卡上，可以上双卡（不需要主板支持SLI，只要有显卡插槽就行，两张显卡也不需要型号相同)
• 差钱的话可以考虑核显+矿卡，比如i3 8100+双P106的配置，3000元左右就能配到一台显存和算力都说过得去的深度学习主机，基本上17年以前的深度学习模型都能训练
• 10系和20系显卡的选择：如果不用FP16的话（入门玩家使用FP16有点自找麻烦），目前10系卡性价比高一些。介意二手就买20系卡，或者等将来20系砍光追的版本（gtx1180？）

选择B - 服务器主机（洋垃圾）/矿机：适合预算有限的情况下追求更高的算力和性价比，是垃圾佬的话自然懂，所以不做展开以免让大家误入歧途。但有一点需要告诫垃圾佬：显存不是简单的相加，6张p106虽然显存加起来比一张tesla v100还多，但是并不能开一样大的batch，因为模型的参数是每张卡都要复制一份的。比如你模型有3g，那你每张卡就只剩下3g分给数据了，相当于有效显存只有一半，别问我是怎么知道的。。。

3 进阶（科研方向）：已经熟练掌握深度学习知识，理论基础扎实，打算follow最新的文章，探索未知的模型架构

不同研究领域对卡的需求差别很大，听说很多做理论的数学大佬都不怎么用显卡的。我目前在学习NLP，如果想要合理的时间内fine-tuning一个BERT-base（18年最火的模型），至少要2张1080或者同等算力的专业卡。并且调参调模型一般会同时跑好几个实验，所以卡越多，进展就越快，成功的概率就越大。如果是做CV里面的和视频相关的一些task，就更加吃卡了。这种需求如果不是家里有矿，还是借助实验室或者公司比较实际。实验室一台主机8张卡，会有几个人和你一起分，就我在两个学校的经历来看大部分时间大部分卡都是空着的，只有接近论文DDL的时候会挤到爆炸。

就算有服务器的情况下最好还是按照上面的建议自己组一台/申请一台主机，显卡的话可以选择和服务器尽量接近的版本（比如服务器是v100本地就配20系，服务器是titanxp本地就配10系），毕竟本地debug更方便，并且在服务器爆炸/断电的时候还有显卡用一用。。。

4 进阶（工程方向）：已经有深度学习项目经验，实践能力强，打算开发一些fancy的应用

这一块我了解的不多，可能在云上开发应用是更合适的选择，因为云上有很多算法落地的API可以用，比如你要开发一个对话系统，就可以用云上语音转文字/文字转语音等等API来拓展使用场景。

作者：致熵 https://www.zhihu.com/question/310387269/answer/583357364

既然从笔记本转过来，说明需求也不特别大，可以考虑以下配置：

显卡2080ti，如果是上多块显卡，处理比较复杂些，单卡可以风冷，多卡必上水冷。同时多卡对主板cpu的要求大幅提高。

主板+CPU，必须要联合起来考虑，最主要的是通道数，如果是单卡，就普通桌面高级版即可，具体看CPU是哪家的，有配套。但要注意，如果是多卡，或者先单卡，之后打算升级的，也要配高通道数的板U。至于核心数，如果不考虑其他用途，少一些也没关系，核心数和钱成正比关系。

散热器：不超频可以用风冷，建议水冷稳定些。

内存：可以考虑每卡32G，当然和你的内容有关，尽量大些，同时上面的主板也要考虑最大支持内存。至于超频，为了稳定性，不建议CPU和主板内存等超频。

硬盘：建议m2固态1t，想小一点500g必须的，当然如果用两个，sata大容量SSD加一个也是可以的。至于机械硬盘，反正很便宜，接一个也可以，拆卸也方便。

机箱：一定要大些，品牌好点的。2卡以下全塔中塔都可以，如果用两个电源必须用全塔。

电源：把所有最大功耗加起来，然后除以70%。比如（以下为假设功耗）单卡250w，CPU170w（注意CPU在睿频时功率大幅高于标称的95w），主板内存条固体机械键盘风扇等算它120w，外接设备预留50w，还有什么漏了都可加上，然后除以70%，得到850w左右，如果是金牌电源可以除以80%。注意有的显卡是超频的，功率可能是320w。不要卡得很紧。电源要好点的。

显示器：平面，设计用的，4k 32-40英寸（感觉27吋实在字太小了，而2k又显示内容不够多）

键盘：机械键盘，茶的试试，不怕手累可以青的，但千万别买红轴。

最后：具体配置看需求，看预算，看计划。

作者：幽泉ba主 https://www.zhihu.com/question/310387269/answer/583763336

个人建议，工作站电脑还是不要DIY配置，直接购买专业工作站电脑整机比较好。

由于工作站的特殊性，其需要面对7*24小时满负荷工作状态，这种不是一般DIY台机出厂检查需要标准，因此不能保证DIY台机能够实现相关工况而不出现任何故障问题；而专业的工作站电脑整机在设计、配置、检测都是按照相关标准进行的，能够保证工作稳定性。

其次，就是专业工作站一般会有针对不同应用而开发的配套软件，这些也是其价值所在；而一般DIY台机是无法获取或者无法使用的（需要特定硬件支持）。

所以，如果你真的需求一台用于工作的工作站电脑，建议购买专业产品，而非DIY台机。