分享兩台主機的「DL效能/殘餘價值」 - 3C

因為這兩台都不是全新購買的，
沒辦法比較新品的CP值，
價錢是依拍賣找的「殘餘價值」
還找得到全新品的也附上價格，
對於現在要買電腦的人來說，
沒什麼參考價值，看看就好。

後面提供WGAN的運算時間，
但也不要拿來直接比較顯卡的效能，
運算過程中，CPU是會經常性單核滿載的，
CPU也是影響時間的重要因素。

第一台(主力機)
i7-6700 3.40 GHz turbo 4.00 GHz -$7500(二手價)
MSI Z170 krait gaming -$3500(二手)__$4200(全新)
美光 DDR4-2400 16GB *4 -$19200(全新價)
微星GTX 1060 ARMOR 6G OC -$8000(二手)__$8990(全新)
MX200 250GB -$2580(二手價)
Toshiba 1TB -$800(二手價)__$1390(全新)
總計41580

第二台
i5-3470 3.20 GHz turbo 3.6GHz -$2200(二手價)
ASUS P8B75-M LX PLUS -$1500(二手價)__$2500(全新)
創見 4G DDR3-1600 x2 -$2100(全新價)
技嘉 GV-N75TOC-1GI -$1500(二手價)
Toshiba 1TB -$800(二手價)__$1390(全新)
總計8100

以上不計機殼、螢幕、鍵鼠組
額外設備:
飛瑞UPS-1000VA -$2080(全新價)

WGAN簡介:(以圖片為例)
生成對抗網路的延伸型，
內含兩個model，
一個生成model在真圖加上訊號生成假圖片，
一個分類model將全部圖片分類成真圖跟假圖，
生成model想辦法模仿真圖，
分類model像辦法正確分類出來，
最後令分類model沒辦法判斷誰真誰假，
生成出來的假圖可用於訓練其它深度網路。

主力機跑WGAN範例
到達300Ksteps時花費164148sec
http://i.imgur.com/1zhGHOB.jpg

二號機跑WGAN範例
到達300Ksteps時花費995381sec
http://i.imgur.com/abKpahk.jpg

兩者效能差距6.06倍
殘餘價值差距約5倍
若跑更吃RAM的Model，效能差距會更大

結論:
一分錢一分獲 & 深度學習燒錢燒腦

二號機的顯卡記憶體1GB太小，
所以batchSize設很小，只有8
觀察gpu使用率時也發現gpu經常性閒置。

而主力機的BatchSize在48~64之間，
皆可維持GPU滿載，
調得更多時沒有發現有多吃VRAM或變快的情形
顯卡溫度過程中都很穩定，
以這次WGAN範例來說，
個人建議3GB的VRAM。

主力機後來沒跑完WGAN，
跑到620Ksteps我就停了，
總時間342967sec
讓二號機跑完可能要一個月
http://i.imgur.com/jZMEq4l.jpg

--