深度學習機 - 3C

Thomas · 2017-04-18

Table of Contents

Post
Comments
Related Posts

以下是修改過的第二版括號內是修正後

已買/未買/已付訂金（元）：未買
預算/用途：60K左右/跑 deep learning，不知道這樣配是否恰當，懇請大大們指導

參考了以下內容：
https://www.zhihu.com/question/33996159
https://read01.com/AP8o38.html
http://www.gooread.com/zhineng/910102.html
http://timdettmers.com/2015/03/09/deep-learning-hardware-guide/

目前考量的幾個原則：
運算吃 GPU，CPU不用太好，也不能太差，所以重點放在 cp值，
想問這個 cpu　跑起來還夠使嗎？
Ans:cp值差，故降低規格

MB要看擴充性，需求是可能雙顯示卡計算(未來或許視需求使用 1080 ti x2 ), 問題在於
主機板對雙顯示卡的支援性：

GA-Z270X-Gaming 5 ($5600) PCIe x16 , PCIe x8
華碩 X99-WS/IPMI 主機板, $12000, PCIe x16 , PCIe x16

也就是說，都可以雙顯卡，但是差異在於低價MB就是用　PCIe x8，
這要問的就是　PCIe x16　跟　PCIe x8 的差異? 需要上兩個x16嗎?
Ans: 不需要

CPU (中央處理器)：(Intel i5 7400) Intel i5 7600
MB (主機板)：技嘉 Z270X-Gaming 5
RAM (記憶體)：金士頓 16G*2 DDR4–2400 HyperX FURY
VGA (顯示卡)：微星 GTX 1080 Ti GAMING X 11G
HDD (硬碟)：(PLEXTOR M8PeG 512GB M.2 2280 PCIe SSD) Intel 600P 512G M.2 SSD
Toshiba【企業雲端碟】4TB 3.5吋硬碟(MC04ACA400E)
DVD-RW (燒錄機)：
PSU (電源供應器)：(振華 Leadex 850W) CoolerMaster 1000W RS-A00-AFBA-G1
CHASSIS (機殼)： CORSAIR 海盜 Carbide Air 540
MONITOR (螢幕)：
Mouse/KB (鼠鍵)：
其它 (自填)：

Total : $67000左右

--

All Comments

Rebecca2017-04-20

我很好奇深度學習要用到1000W?

Donna2017-04-24

1000w...

Anonymous2017-04-27

五樓推R7

Oscar2017-05-01

i5也不用用到Z270吧

Mason2017-05-03

為了未來雙顯卡先買大一點　另外就是這是參考清大

Valerie2017-05-04

孫老師開的規格來作修改的

Isla2017-05-05

孫老師是誰？

Quanna2017-05-06

Z270X是為了雙顯卡　pcie x16跟x8　還是太高階?

Lauren2017-05-08

目前公司用1080 ti/power 750W/　孫民老師

Mia2017-05-11

宰羊師嗎

Sierra Rose2017-05-15

不考慮i7k,或x99平台嗎..

Yedda2017-05-15

為了跑雙卡x8吧不能以遊戲機邏輯看這個啊

Callum2017-05-16

X99的U太貴惹

Andrew2017-05-17

怎沒人吐槽i5 7600

Callum2017-05-21

600p pass

James2017-05-25

這羊太危險

Lily2017-05-28

因為人家做deep learning阿=.= 吐槽i5要做啥?

Edwina2017-05-31

洋垃圾+新主機板x99好像也符合需求？

Rachel2017-06-05

雙卡不是 x8 x8 ?

Rachel2017-06-07

Psu拿880w以內,組x99

Regina2017-06-08

這樣看傳資料的速率還是有差拉

Emma2017-06-10

不知道是學習深度還是口袋深度？

Hedwig2017-06-11

深度學習到底是什麼玩意

Mason2017-06-14

600p要換掉的原因是? 羊是說花太多冤枉錢嗎

Sandy2017-06-18

雙卡看起來是一張插x16實拿x16 一張插x16實拿x8

Rebecca2017-06-19

用X99板子就可以兩張都實拿x16 不過看來x8就夠了?

Isabella2017-06-24

插兩張顯卡但不需要跑SLI的意思嗎?

Blanche2017-06-25

就教主說的dick learning

Genevieve2017-06-27

稍微爬一下戰600P的文 #1Of9QvlX (Storage_Zone)

Brianna2017-06-29

這是實驗室用，還是個人用？

Charlotte2017-06-29

咩咩咩咩咩咩咩咩咩咩咩咩咩

Rebecca2017-07-01

這是個人用公司也有一台就是了

Ina2017-07-06

每次看到一堆人在那邊咩咩叫就覺得很好笑

Zanna2017-07-09

個人用的話，那不用上X99, SSD HDD預算還可以降。

Jacky2017-07-11

這單這預算，剛去按線上估價，組x99,除cpu主板規格
不同，電源降到750w,ssd換美光,也差不多錢，真的頗
羊

Edith2017-07-11

上面筆誤..850w

Delia2017-07-13

主要是要個人用，還是作為伺服器運算用呢？

Damian2017-07-17

個人的話抓cp值高的，顯卡1080ti就可以

Necoo2017-07-18

i5怎麼了嗎?我還以為dick是吃gpu 原來是吃cpu阿

Carolina Franco2017-07-20

樓上你.........

Isabella2017-07-23

p100:

Vanessa2017-07-26

找了一些yt影片1080ti，7700k跟6900.6950k，顯卡分
數都差不多，所以x8應該就夠了

Oliver2017-07-30

實驗要用還這種單.......

Olga2017-08-02

所以7600 cp值高嗎

Carol2017-08-05

4C4T賣這種鳥價你覺得能高到哪？

Hardy2017-08-06

G4560跟7700k中間，有沒有cp值稍高的intel U?

Yedda2017-08-11

有 4600還算不賴

Barb Cronin2017-08-13

通常i5都推7500吧

Olive2017-08-17

不用那個內顯的話G4600其實也是花冤枉錢QQ

Candice2017-08-21

600p只適合輕度使用

Susan2017-08-23

好　看來cpu跟ssd要換掉

Andy2017-08-27

我看過有人用g4560+單1070,不知道雙1080ti配什麼U
比較合適

Delia2017-08-29

會吃到大量IO的話M8PEG吧再黏個散熱鰭片

Hazel2017-08-31

現在好像找不到配有散熱片的M8PEG(G)

Frederic2017-09-03

散熱片自己DIY?

Regina2017-09-07

如果要用600p的話請考慮DIY散熱

Olive2017-09-09

我記得當年有人提到基因演算法
問了老半天對方也不知是什麼鬼東西
現在又來了

Anonymous2017-09-09

深度學習蠻好玩的最近也在train xDD

Faithe2017-09-14

不需要x16 主要都塞在GPU內算
你開心用x1我想也不會太廢

Elma2017-09-16

然後只有一張的話不用1000w 看你要塞幾張

Wallis2017-09-18

雙顯卡也不用到1000 但是以後要擴的話倒是沒差

Barb Cronin2017-09-22

大大有沒有什麼好的人臉辨識model 做出來正確率都只
有7x% QQ

Isla2017-09-27

你是指training就只有7x%還是testing?
如果是training 你先切一個小筆的資料看看能否做到

John2017-09-30

overfitting 如果小筆資料都沒辦法扣可能寫錯

Frederic2017-10-03

network不夠大的話用gpu跑不快，這時反而用cpu較快

Regina2017-10-04

然後你會不會寫多gpu的code也是重點吧，會的話往x99
衝會比較有擴展性

Yuri2017-10-05

training可以做到overfit沒問題但test怎樣都只卡在
70左右頭痛

Edwina2017-10-08

data 不夠多

Necoo2017-10-10

是學什麼?文書機一萬不含螢幕打死

Aaliyah2017-10-14

做一些data augmentation看看吧

Aaliyah2017-10-16

樓樓上不懂deep learning

Carolina Franco2017-10-20

distortion, random size, random crop...

Faithe2017-10-24

深度學習覺對跟文書機八竿子打不著

Gary2017-10-27

如果training已經overfitting, 但是test準確度卻不

Ophelia2017-10-31

高的話，可以試試看dropout。已經overfitting很有
機會是變數太多了

Hedy2017-11-04

買NVidia dgx-1

Hedwig2017-11-06

這篇炮i5的以為dp用cpu train呢XDD

Mary2017-11-10

Deep learning 以gpu為重，只是預算可以，上r7或i7
是比較恰當的選擇
Yolo 泰坦訓練個幾天是常態呢...

Michael2017-11-12

改架構要重新pre-train 才是真的崩潰XD

Cara2017-11-16

其實有些基本的運算也會用到CPU

Linda2017-11-21

有些也可以讓CPU跑一些次要得的部分也同時用GPU

Kumar2017-11-23

奇怪為何下面開始討論ML QQ

Faithe2017-11-24

深度這個詞應該最近會夯XD
\學習

Elma2017-11-24

到底是要吃重GPU還CPU阿，不吃C還選X99，眼睛業障重

Anthony2017-11-26

組合應該R5 1600級別以上配1080Ti最強組合？

Eden2017-11-29

現在的深度學習framework大多都支持CUDA

Joe2017-12-03

CPU是輔助或使跑一些其他的Tool用的

Kyle2017-12-03

版上信徒這麼多，不知道N即將爆打I的主要應用也是
蠻妙的

Iris2017-12-05

我用1070訓練4000筆資料11次大概11秒吧有點忘了

Suhail Hany2017-12-07

參考這篇吧https://goo.gl/CPTTrg

Iris2017-12-10

選X99好歹板子可以上4張運算卡

Joe2017-12-11

多顯卡要不要考慮1080ti的公板？疊在一起比機殼比
較不會據熱反正為了研究也不考慮那點躁音

Ethan2017-12-13

跑學習或render掛sli會吐血因為是完全平形化的運
算了

Rachel2017-12-16

看留言快笑死了

Puput2017-12-17

4000千筆超少的...應該不具參考價值
多打一個千...

Iris2017-12-20

deep learning可跑cpu,也可跑gpu版本，gpu是以cuda

Bethany2017-12-21

去做平行化加速計算

Sarah2017-12-26

cpu到底重不重要，我覺得即使以gpu版本來說，一些
資料的預處理都還是得在cpu上先處理好

Charlotte2017-12-27

除非你拿的是人家已經處理過的資料，那cpu可能就
不用太好

Olga2017-12-30

我4000筆就把模型訓練到98%準確度了
看是要跑什麼的訓練吧資料量越大顯卡要越好

Emma2018-01-01

http://24h.pchome.com.tw/prod/DRAD16-A9007YPKN
這種才是公版(Founders Edition)

Kumar2018-01-04

沒錯公板的風扇是吸風渦輪扇整張卡密不透風熱風
從後面板排出機殼外多卡的時候雖然都擠在一起但因
為每張卡的風向一至所以從機殼後方就能感覺熱風排
出效率很高 titanx公板因為多了dvi 導致後出風口太
小三張疊在一起就不行了 1080ti拿掉dvi後出風較順
四張疊在一起風扇不用全速就能控制在70度附近（tra
ning）噪音說吵卻也只是風聲不是低頻噪音

Valerie2018-01-06

感謝各方意見

Necoo2018-01-09

˙˙˙˙˙˙˙又見垃圾砲ｉ５˙˙˙˙˙˙˙(=_=)"

深度學習機 - 3C

All Comments

Related Posts