大数据文摘出品

编译：权真、涂世文、罗然

深度学习是人工智能必不可少的一部分。
而在硬件配置上，大家都在评论辩论GPU的主要性。
不可置否，GPU是掀起深度学习热潮的紧张力量，也是开展该领域事情所必不可少的硬件设备。

不幸的是，人们每每把CPU、RAM、主板、存储和机箱的选择统统推到了一边。
这种唯GPU论的做法，对付深度学习来说也不算太坏，但是如果你对其他领域感兴趣，那么就还须要考虑其他PC组件！

下面文摘菌为大家推举一份全面的深度学习主机搭建指南，可以帮助你搭建适用于人工智能及数据科学项目的个人打算机。

在本构建指南中，我们将逐步构建一台能很好地开展深度学习、数据科学、强化学习以及人工智能所有领域事情的个人打算机。

这不须要花费一大笔钱，当然也不会便宜到哪里去。
这里，我们切实关注的是优化。
因此只须要得当的电力、打算力和扩展空间，不会花费特殊多。

我也会为那些想多花点钱升级的人供应一些选择方案，同时也为那些想在几个部件上省钱的人供应一些建议。

GPU篇

让我们从大家比来评论辩论的GPU开始。
GPU是演习深度学习模型时，用于给大多数处理操作进行并行加速的。
在深度学习的这个阶段，大多数韶光在处理图像、语音或文本，大概你希望利用深层神经网络，这意味着你须要GPU了。

1080Ti可能是你此时最佳的选择。
现在的话花700美元可以买到一个。
它具有11GB的vRAM，运行频率在1600～1700兆赫之间。

在深度学习社区中，很多人都主见TIAN XP，由于它有12GB的vRAM。
问题是，绝大多数（比如95%）情形下，您不该用额外的VRAM。
因此它并没有发挥浸染。
TIAN XP售价1200美元…为了省钱，请选择1080TI。

2080 Ti GPU

NVIDIA最近也发布了2080Ti，其基准测试结果要优于1080Ti。
话虽如此，但由于2080Ti的需求量很大，它的价格现在上涨了很多。
一样平常售价1600美元，而且常常缺货！
在我看来，就目前而言性价比不高，并不值得购买。
如果想省点钱的话，GTX 1080 具有很好的性价比。
它拥有8GB vRAM，在1650~1900mHz下运行速率相称快，对大多数人来说完备够用。

CPU篇

这个是常常被忽略的地方。
大家可能以为没紧要，由于如果您只是开展深度学习的话，大多数进程是在GPU上进行的。
但是对付强化学习和数据科学而言，大部分进程是在CPU上的。
因此，我们绝不在这里省钱。

i7–8700k CPU

就我们的需求而言，售价370美元的i7-8700k 是绝佳的选择。
它配有6个内核/ 12个线程，非常适宜数据科学中的并行预处理。
该款CPU的基定时钟频率为3.70 GHz，最高可以超频到4.70 GHz，对付我们进行强化学习的演习来说，这个打算速率已经相称快了！

此外XEON处理器也是个极好的选择，由于它们有很多内核。
这对付数据预处理以及利用多核GPU进行深度学习非常有用。
然而，不幸的是，如果您想要拥有更多内核和更高的主频，那就得做好花上千美元的生理准备。

如果您想节省一些开支，那Intel I5-8600K将是一个值得考虑的选择。
它拥有6核/ 6线程，主频3.6 GHz，最高可超频到4.3 GHz。
功能强大且只需花费260美元。

RAM篇

这是另一个常常令人困惑的的组件。
深度学习社区的人们建议RAM大小该当“2倍于GPU内存”。
数据科学领域，更是要“尽可能多的内存！
”

我们将采纳一种折衷的方案，由于对付我的机器，我创造32GB的内存就足够了。
我并不会一次性利用全部的数据集，比如一次性将32GB加载到内存中。
如果我这么做，我只需将其分解为多个小数据块，并在末了一次性进行处理，同时保存结果。
当然，如果您有钱，配备64GB内存以预留额外的扩展空间也没有坏处。

在99%的情形下，并不须要像128GB或256GB一样夸年夜的东西。
但一定要确保您的每根RAM为能力范围内的最大尺寸（即16GB或每根32GB）。
这样，如果您想添加更多内存条，就有一些空的插槽可以用。
纵然，我不会真的只有32GB的RAM。
我以前搭过一台机器，常常让我以为须要加更多的内存！

X99 Motherboard

主板篇

由于我们已经选择了第八代CPU（无论是I7- 8000 K还是I5-8600 K），因此我们须要选择与之兼容的主板。
为此，我选择了华硕Prime Z37 0 A板。
它有4个RAM插槽，我已经买了两个16GB的内存条，再买两个16GB的我就可以扩展到64GB。

现在很多人都会对主板和CPU以及GPU的PCIe通道问题进行谈论。
简而言之，更多通道意味着您可以更快地将数据从CPU传输到GPU。
常日建议每个GPU都该当是x16通道....但我们选择的主板只能支持1x16或2x8。
这是不是意味着如果我们想要2个GPU，我们的主板和CPU将不能事情…..

当然不！

X99 Motherboard

大多数人真的过度重视PCIE通道问题了。
有很多基准测试，包括这个很棒的基准测试，它显示采取2x8PCI通道配置险些不会危害性能，也就丢失5%-10%。
问题是，如果您真的想填补这5%到10%的性能，您必须花很多钱才能得到多通道的机器！
这根本不值得。

此外，大多数人险些不须要多个GPU。
多个GPU对付并行演习多个模型是最有用的，这是非常有用的，但对付个人打算机常日不是必需的。
也便是说，如果您非常热衷于多GPU操作，可以利用做事器级的X99主板，再搭配一个俊秀的Xeon处理器。

存储设备、机箱和电源篇

对付存储设备来说，由于您要移动大量的数据和文件，以是最好用固态硬盘。
我个人建议购买一块大容量的固态硬盘，您会创造这很值得。
快速把所有东西导入固态硬盘存放在一个地方真的很方便。
再加上固态硬盘越来越便宜。
您可以以200美元的价格购买一个1TB的固态硬盘，很实惠。
如果您以为500 GB足够了，那也可以。
您可能还希望将大硬盘作为备份驱动器并存储大量数据集。
现在这些东西很便宜，如果您暂时不须要，可以等须要的时候随时采购。

对付您的电源，选择略大于全体机器的负荷的任何电源都可以。
选择您的配置组件，它会自动打算您所需的功率！
要记住的一点是，有不同的电源额定值：青铜、银、金、铂等。
这些基本上定义了电源的效率，个中更高=更好。
如果您已经很清楚功率方面的需求（比如600W系统的700WPSU），那么来自有名制造商（Corsair、EVGA、Cooler Master，等等）的任何功率等级的产品都是可以的。
我选择了EVGA Supernova 750 G3,80 Plus Gold。

这个就根据你的情形，选择喜好的吧！
我选了都雅且高度模块化的MaskPro PRO 5。
它可以轻松扩展，便于我增长更多的组件，且易于掩护和清洁，并配有一个光滑的玻璃侧面板。
如果您想找便宜点的，可以选择PC配置专家强烈推举的NZXT S340。
如果更关注都雅，那么Thermaltake View 71就很不错，它的所有4个侧面都是钢化玻璃，并配有3个RGB风扇！

显示器篇

配备多个显示器，将改变你的全体事情流程。
多屏可以提高效率，由于它可以有效地供应多个事情区域。
对付常常利用电脑的人来说，这是改变生活的办法。
你不须要超高分辨率（除非真的想要）或者超高刷新率（除非你真的想要！
）这一款（https://amzn.to/2q0Gze1）真的很不错，具有很高的性价比。

干系宣布：

https://towardsdatascience.com/building-a-personal-computer-for-ai-and-data-science-45189f06917e