授权转载自OReillyData@Lukas Biewald 是的，你可以在一个39美元的树莓派板子上运行TensorFlow，你也可以在用一个装配了GPU的亚马逊EC2的节点上跑TensorFlow，价格是每小时1美元。是的，这些选择可能比你自己攒一台机器要更现实一点。但是如果你和我是一样的人，你绝对想自己攒一台奇快无比的深度学习的电脑。 好吧，一千块钱对于一个DIY项目来说是太多了。但是一旦你把机器搞定，你就能构建数百个深度学习的应用啦，从拥有增强大脑的机器人到艺术创作（至少这是我为花这些钱找的理由）。最差的理由也是，这个机器至少能轻松打败那个2800美元的Macbook Pro笔记本。除了用电多一点，所有的性能都比Macbook强。另外这台电脑很容易被升级，从而能保证它的性能可以领先笔记本好几年。 从上世纪80年代后我就再没攒过电脑。我也相当担心花好几百块，最终搞一堆我自己装不出来的零件（或是攒出来了，但可能没法正常工作）。不过我要告诉你，攒机是可以的！另外，整个过程也很好玩。最后你能拥有一台通用的电脑，并能做预测，同时比笔记本快20多倍。 下面是购买清单和一些细节建议： ◇主板 主板有不同的尺寸规格。因为我不想用多个GPU，所以最便宜最小的主板标准尺寸是mini-ITX，对这个项目是够用了。我的最低要求是要有一个PCIe插槽给GPU用，有两个DDR4的内存插槽。最后我买的是华硕的 Mini ITX DDR4 LGA 1151 B150I PRO GAMING/WIFI/AURA主板，在亚马逊上卖125美元。还附送了一个WiFi的天线。这对于在地下室里用这个电脑是太方便了。 ◇机箱 机箱不太重要，也非常便宜。因为DIY电脑的主要客户都是游戏玩家，所以机箱的形状和颜色也是五花八门。机箱的尺寸应该和主板配套，所以我的机箱需要支持mini-ITX。我买的是Thermaltake Core V1 Mini ITX Cube机箱，在亚马逊上卖50美元。 ◇内存 我不敢相信现在内存有多便宜。你需要买和主板配合的DDR4型的内存（几乎网上找到的都是这个类型），大家的价格都差不多。我用129美元买了两条8GB of Corsair Vengeance内存。 这个带LED灯的内存条让我多花了5美元，因为亚马逊的用户评价上说“对于没法在机箱里装足够多LED灯的，这个内存是最佳选择。”如果你如我一样是在地下室里攒机，也不在乎机箱里面的美感，那你肯定会非常难在机箱里找到零件。 ◇CPU 我看了一下网上的CPU评测比较，认为比较慢的CPU应该没什么问题，因为我没什么任务是要高速CPU的（除了训练神经网络，而我会用GPU来训练）。但我也受不了一台电脑，里面有一个相对其他部件落后三代的CPU。最后我花了214美元买了Intel I5-6600CPU。 大部分亚马逊上能找到的CPU都是合适的。我没花额外的20美元去买I5-6600K。与I5-6600型相比，除了能超频，其他功能都一样。但通过系统可靠性来换取10%的速度提升对于我来说是够疯狂的。不过我承认，在我开始想着自己攒机后，我有些后悔了。所以谁知道哪？攒机会改变你的生活样式。可能买一个可超频的CPU会少一些后悔。但另一方面，也许去除掉多余的选择能保护你自己，不会自己作死。 ◇硬盘 我也无法相信现在硬盘有多便宜了。用50美元我买了一个1TB SATA硬盘。固态硬盘会更快，但贵很多。而且深度学习的程序一般都不会是高I/O依赖的，因为一般程序都是拉取一批数据进内存，然后算很久。如果你有很多的文件传输任务，或是仅仅是想确保比你朋友的Macbook跑应用快很多，那我会买一个固态硬盘，比如这个三星的850 EVO 250GB 2.5-Inch SATA III Internal SSD，250G的要98美元。 这些硬盘让我意识到，苹果是多么会宰人。为了Macbook Pro有250G的额外硬盘容量，你要花200美元！ ◇显卡/GPU 选哪款显卡是最重要也是最难的问题。对于几乎所有的机器学习应用，你都需要一个英伟达的显卡，因为只有英伟达有最重要的CUDA框架和CuDNN库，所有的机器学习框架（包括TensorFlow）都依赖它们。 作为一个非GPU专家，我发现与之相关的名词术语是够让人糊涂的。但下面是非常基本的选购指标。 可能对深度学习最重要的指标就是显卡的显存大小。如果TensorFlow不能把模型和当前批次的训练数据存进GPU的显存，它就会失败并转向使用CPU，从而让GPU变成废物。 另外一个重要的考虑就是显卡的架构。英伟达最新依次推出的架构叫“Kepler”，“Maxwell”和“Pascal”。这些架构的主要区别就是速度。例如根据这个基准评测，Pascal Titan X的速度是Maxwell Titan X的两倍。 机器学习的大部分论文都是用的TITAN X显卡。性能不错，不过够贵，都要1000美元以上，哪怕是旧一点的版本。大部分搞机器学习且没多少预算的人都用的英伟达的GTX 900系列（Maxwell）或是GTX 1000系列（Pascal）。 想找出一块显卡的架构，你可以看看英伟达的那个极其让人混淆的命名系统：9XX卡使用的是Maxwell架构，而10XX是用的Pascal架构。但一个有更高的主频和更大的显存980可能还是比一个1060要快。 你可能必须对不同架构的英伟达GPU有所了解。但最重要的是，无论是9XX还是10XX显卡，都会比你的笔记本快一个数量级。不要被这些选项搞晕了，如果你还没有用过GPU，用它会比你现有的系统要快很多。 我买的是GeForce GTX 1060显卡，3GB显存，花了195美元。用它比我的Macbook要快近20倍。但对有些应用，它还是偶尔会出现显存内存不足的情况。所以我也许应该多花60美元来买一个GeForce GTX 1060 6GB显存版。 ◇电源 我花了85美元买了一个650W的电源。我的经验是，电器如果电源出了问题是非常头疼也很难修的，所以不值得为此省钱。另一方面，我的系统的峰值负载从来没有超过250瓦。 ◇散热器 我还记得我工作的第一家创业公司是把服务器放到壁橱里面的。即使隔着壁橱的门，风扇的噪声还是出奇的大。这样的日子似乎是早已过去了。不过650瓦的电源让你的机器耗能是笔记本的10倍，而能量总是要找到一个出口的地方。可能不是必须的，但是我还是用35美元买了一个超级的散热器Master Hyper 212 EVO。这让CPU始终运行在低温状态，且系统超级安静。 ◇概览
要最后能用，你还需要有显示器、鼠标和键盘。这些东西一般容易搞到（我的地下室里到处都是）。合计价格是883美元，因此想花1000美元的话，还能再升级一些东西。 装机 所有包裹都到齐后我是相当的兴奋，然后我发现装机是容易，但靠不住。花了我大概一个小时，按照每个部件的说明书就把电脑组装起来了。最后却点不亮。我不得不更换了主板，相当沮丧但还OK。 第二次组装时，我把所有的部件放在一个纸箱子上连接起来，先确定是不是都能正常工作。 基本上，如果你把每个东西都能插入到看起来能恰当地匹配的地方，就应该是OK的。 图1 放在桌子上的半成品电脑，只连接了最少的部件来测试 图2 装上超大散热器后的电脑，看起来很恐怖 图3 从上面看下去，硬盘已经装进去了 启动电脑 | ||||||||||||||||||||
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
