深度學習是人工智慧必不可少的一部分。而在硬體配置上，大家都在談論GPU的重要性。不可置否，GPU是掀起深度學習熱潮的主要力量，也是開展該領域工作所必不可少的硬體裝置。

不幸的是，人們往往把CPU、RAM、主機板、儲存和機箱的選擇統統推到了一邊。這種唯GPU論的做法，對於深度學習來說也不算太壞，但是如果你對其他領域感興趣，那麼就還需要考慮其他PC元件！

下面文摘菌為大家推薦一份全面的深度學習主機搭建指南，可以幫助你搭建適用於人工智慧及資料科學專案的個人計算機。

在本構建指南中，我們將逐步構建一臺能很好地開展深度學習、資料科學、強化學習以及人工智慧所有領域工作的個人計算機。

這不需要花費一大筆錢，當然也不會便宜到哪裡去。這裡，我們切實關注的是優化。因此只需要合適的電力、計算力和擴充套件空間，不會花費特別多。

我也會為那些想多花點錢升級的人提供一些選擇方案，同時也為那些想在幾個部件上省錢的人提供一些建議。

在這裡我還是要推薦下我自己建的大資料學習交流裙：805127855， 裙 裡都是學大資料開發的，如果你正在學習大資料 ，小編歡迎你加入，大家都是軟體開發黨，不定期分享乾貨（只有大資料開發相關的），包括我自己整理的一份2018最新的大資料進階資料和高階開發教程，歡迎進階中和進想深入大資料的小夥伴。
 

GPU篇

讓我們從大家近來談論的GPU開始。GPU是訓練深度學習模型時，用於給大多數處理操作進行並行加速的。在深度學習的這個階段，大多數時間在處理影象、語音或文字，也許你希望使用深層神經網路，這意味著你需要GPU了。

1080Ti可能是你此時最佳的選擇。現在的話花700美元可以買到一個。它具有11GB的vRAM，執行頻率在1600～1700兆赫之間。

在深度學習社群中，很多人都主張TIAN XP，因為它有12GB的vRAM。問題是，絕大多數（比如95%）情況下，您不使用額外的VRAM。因此它並沒有發揮作用。TIAN XP售價1200美元…為了省錢，請選擇1080TI。

2080 Ti GPU

NVIDIA最近也釋出了2080Ti，其基準測試結果要優於1080Ti。話雖如此，但由於2080Ti的需求量很大，它的價格現在上漲了很多。一般售價1600美元，而且經常缺貨！在我看來，就目前而言價效比不高，並不值得購買。如果想省點錢的話，GTX 1080 具有很好的價效比。它擁有8GB vRAM，在1650~1900mHz下執行速度相當快，對大多數人來說完全夠用。

CPU篇

這個是經常被忽視的地方。大家可能覺得沒關係，因為如果您只是開展深度學習的話，大多數程序是在GPU上進行的。但是對於強化學習和資料科學而言，大部分程序是在CPU上的。因此，我們絕不在這裡省錢。

i7–8700k CPU

就我們的需求而言，售價370美元的i7-8700k 是絕佳的選擇。它配有6個核心/ 12個執行緒，非常適合資料科學中的並行預處理。該款CPU的基準時鐘頻率為3.70 GHz，最高可以超頻到4.70 GHz，對於我們進行強化學習的訓練來說，這個計算速度已經相當快了！

此外XEON處理器也是個極好的選擇，因為它們有很多核心。這對於資料預處理以及使用多核GPU進行深度學習非常有用。然而，不幸的是，如果您想要擁有更多核心和更高的主頻，那就得做好花上千美元的心理準備。

如果您想節省一些開支，那Intel I5-8600K將是一個值得考慮的選擇。它擁有6核/ 6執行緒，主頻3.6 GHz，最高可超頻到4.3 GHz。功能強大且只需花費260美元。

RAM篇

這是另一個經常令人困惑的的元件。深度學習社群的人們建議RAM大小應該“2倍於GPU記憶體”。資料科學領域，更是要“儘可能多的記憶體！”

我們將採取一種折衷的方案，因為對於我的機器，我發現32GB的記憶體就足夠了。我並不會一次性使用全部的資料集，比如一次性將32GB載入到記憶體中。如果我這麼做，我只需將其分解為多個小資料塊，並在最後一次性進行處理，同時儲存結果。當然，如果您有錢，配備64GB記憶體以預留額外的擴充套件空間也沒有壞處。

在99%的情況下，並不需要像128GB或256GB一樣誇張的東西。但一定要確保您的每根RAM為能力範圍內的最大尺寸（即16GB或每根32GB）。這樣，如果您想新增更多記憶體條，就有一些空的插槽可以用。縱然，我不會真的只有32GB的RAM。我以前搭過一臺機器，經常讓我覺得需要加更多的記憶體！

更多程式設計方面的分享請關注微信公眾號：程式設計師交流互動平臺。

X99 Motherboard

主機板篇

由於我們已經選擇了第八代CPU（無論是I7- 8000 K還是I5-8600 K），因此我們需要選擇與之相容的主機板。為此，我選擇了華碩Prime Z37 0 A板。它有4個RAM插槽，我已經買了兩個16GB的記憶體條，再買兩個16GB的我就可以擴充套件到64GB。

現在很多人都會對主機板和CPU以及GPU的PCIe通道問題進行討論。簡而言之，更多通道意味著您可以更快地將資料從CPU傳輸到GPU。通常建議每個GPU都應該是x16通道....但我們選擇的主機板只能支援1x16或2x8。這是不是意味著如果我們想要2個GPU，我們的主機板和CPU將不能工作…..

當然不！

X99 Motherboard

大多數人真的過度重視PCIE通道問題了。有很多基準測試，包括這個很棒的基準測試，它顯示採用2x8PCI通道配置幾乎不會損害效能，也就損失5%-10%。問題是，如果您真的想彌補這5%到10%的效能，您必須花很多錢才能獲得多通道的機器！這根本不值得。

此外，大多數人幾乎不需要多個GPU。多個GPU對於並行訓練多個模型是最有用的，這是非常有用的，但對於個人計算機通常不是必需的。也就是說，如果您非常熱衷於多GPU操作，可以使用伺服器級的X99主機板，再搭配一個漂亮的Xeon處理器。

儲存裝置、機箱和電源篇

對於儲存裝置來說，因為您要移動大量的資料和檔案，所以最好用固態硬碟。我個人建議購買一塊大容量的固態硬碟，您會發現這很值得。快速把所有東西匯入固態硬碟存放在一個地方真的很方便。再加上固態硬碟越來越便宜。您可以以200美元的價格購買一個1TB的固態硬碟，很實惠。如果您覺得500 GB足夠了，那也可以。您可能還希望將大硬碟作為備份驅動器並存儲大量資料集。現在這些東西很便宜，如果您暫時不需要，可以等需要的時候隨時採購。

對於您的電源，選擇略大於整個機器的負荷的任何電源都可以。選擇您的配置元件，它會自動計算您所需的功率！要記住的一點是，有不同的電源額定值：青銅、銀、金、鉑等。這些基本上定義了電源的效率，其中更高=更好。如果您已經很清楚功率方面的需求（比如600W系統的700WPSU），那麼來自知名製造商（Corsair、EVGA、Cooler Master，等等）的任何功率等級的產品都是可以的。我選擇了EVGA Supernova 750 G3,80 Plus Gold。

這個就根據你的情況，選擇喜歡的吧！我選了美觀且高度模組化的MaskPro PRO 5。它可以輕鬆擴充套件，便於我增添更多的元件，且易於維護和清潔，並配有一個光滑的玻璃側面板。如果您想找便宜點的，可以選擇PC配置專家強烈推薦的NZXT S340。如果更關注美觀，那麼Thermaltake View 71就很不錯，它的所有4個側面都是鋼化玻璃，並配有3個RGB風扇！

顯示器篇

配備多個顯示器，將改變你的整個工作流程。多屏可以提高效率，因為它可以有效地提供多個工作區域。對於經常使用電腦的人來說，這是改變生活的方式。你不需要超高解析度（除非真的想要）或者超高重新整理率（除非你真的想要！）這一款真的很不錯，具有很高的價效比。

更多程式設計方面的分享請關注微信公眾號：程式設計師交流互動平臺。