深度学习（TensorFlow）环境搭建：（一）硬件选购和主机组装.pdf

深度学习（TensorFlow）环境搭建：（⼀）硬件选购和主机组装⼀、硬件采购近年来，⼈⼯智能AI越来越多被⼈们所了解，尤其是AlphaGo的⼈机围棋⼤战之后，机器学习的热潮也随之⾼涨。最近，公司采购了⼏批设备，通过深度学习（TensorFlow）来研究⾦融⾏业相关问题，学习机器学习我们需要满⾜⼀定的硬件要求，本⽂主要是介绍硬件选购的相关事宜。现在主⼒的深度学习都是通过多显卡计算来提升系统的计算能⼒，所以硬件的采购核⼼是显卡（GPU），下⾯是整个硬件采购的清单及⼤致费⽤如下：以上的配置⼀台设备的总共费⽤⼤致：2.8W左右。公司购买了2台，费⽤⼤致6W，两台设备的研究⽅向不⼀样。本来设备这些东西按理说应该是越来越便宜才对，但是这⼏年恰恰相反（%>_<%），尤其这两年⽐特币⼤热（⼤学那会到现在，翻了⼀千多倍，千⾦难买早知道~~），很多⼈都买显卡专业挖矿去了，⼀度导致显卡热销，经常断货，价格也⾃然⽔涨船⾼。不仅如此，内存这两年价格⼏乎⾄少翻了⼀倍以上，两年前DDR4的8G内存最低200不到，现在像样点的都⾄少500以上（现在不流⾏囤⾦银了，改为囤内存条了），SSD和机械硬盘也涨了不少，记得那年福岛地震和东南亚洪⽔之后，供应商⼯⼚受损，价格貌似就没有再降下来过。这些都是题外话，我们⾔归正传，以上的价格仅供参考。其实京东上⾯也有不少DIY定制的⼀套深度学习的服务器配置，不过主要也是分为两种：⼀种是⾄强E系列双CPU带4路GPU，还有⼀种是I7的CPU待2路GPU。图1、⾄强E5双路/4路GPU图2、i76850K/GTX1080TI双卡(⽔冷)可能有些⼈有疑问，为什么单I7不能带四路GPU，⽽是需要双路CPU，其实也有单CPU带4路GPU的特例，这个在下⽂会解释1、主板⼀般来说单块的GPU显卡占⽤16条PCIE通道，如果想配置4块的话，那么则需要16*4=64条PCIE通路。⽽我们选择常见的I7的CPU最⾼也只有40条PCIE通路，理论上来讲需要2块CPU实现双通道处理。上⾯京东上⼤多数都是这种配置模式，当然，如果我们不想使⽤双路CPU的话，要想实现单CPU⽀持16*4PCIE通道，⽬前只有AsusX99-EWS/USB3.1，唯⼀⼀块主板可以实现PCIE通路的拓展。所有如果有⼈想使⽤单个I7带4路GPU的话，那主板只能选择这⼀款了。推荐使⽤这⼀款，为了后期⽅便扩展，我们可以暂时只买1路或者2路GPU，后期可以扩⾄4路。2、CPUCPU的选购也是需要适配主板型号，为了⽀持上述的ASUSX99-EWSUSB3.1主板，CPU为LGA2011-v3系列，同时⽀持最⾼40条PCIE通道。⽽且我们系统主要使⽤CPU显卡进⾏计算，CPU的核⼼数并不重要，只要拥有相对较⾼的主频就可以，因此对CPU的要求其实并不是很⾼。这我们选择主频相对较⾼的i7-6850K（不带核显），也可以选择相对较低点主频的i7-5930K。具体根据实际情况选购，预算多⼀点的，可以选择更好的。3、显卡GPU其实显卡才是我们的主⾓，我们的核⼼计算都是需要依托GPU计算的，当然并不是所有显卡都可以的，我们需要能够⽀持CUDA平台（⼀种由NVIDIA推出的通⽤并⾏计算架构）的GPU才⾏，实际上也只有部分⾼端NVIDIA显卡才⽀持此功能，NVIDIA也可以查询的到具体的⽀持列表，⼤家可以前往查询——>其实我们的另⼀个主⾓TensorFlow对GPU也是有要求的基本上深度学习主机主要可选为：TitanXp、1080Ti、Titan、1060与Tesla系列，深度学习模型对参数精度要求并不⾼，因此除⾮⼟豪，可以排出Tesla系列显卡。在预算充⾜的情况下，1080Ti是⽬前最佳的选择。在显卡的选购过程中，肯定会遇到公版与⾮公版的选择问题，这也是为什么上⾯购物清单⾥特意标注说明的。虽然⾮公版的散热较好，且⾃带超频，但考虑到系统的稳定性与兼容性，建议还是选择公版显卡，毕竟我们是⽤来研究的，还是⼀个毕竟严谨些。另外⾮公版显卡还可能会遇到显卡太厚主板放不下的问题。购买⽅⾯，⼤家如果⽅便，海淘也是⼀个不错的选择TimDettmers博客也分析过主流的GPU成本效益，⼤家可以去看看他的博客介绍——>NormalizedcostefficiencyofGPUswhichtakesintoaccountthepriceofotherhardware.Herewecompareafullmachine,thatis4GPUs,alongwithahighendhardware(CPU,motherboardetc.)worth$1500.在他的博客当中，也给出了他个⼈的购买意见TL;DRadviceBestGPUoverall(byasmallmargin):TitanXpCostefficientbute