組機器/深度學習機,自行編譯TensorFlow? - 3C

兩個星期前組了一台新機 來跑跑 Deep Learning,
在預算有限的情況下就先挑了 i5 8600K + 1080ti + 16GB,

個人感想如下:

1. tensorflow cpu/gpu 可以 自行 configure/build, 比起老魯十多年前自行 cross-build
mips/arm Linux kernel 2.4 /glibc-2.x 實在方便太多. 不過 tensorflow 1.5 rc0
編譯時有些要注意之處文末會提.

2. 如果您預算有限, 我會建議 AMD R5 1600X 應該就夠用, 然後把錢省下來升級 顯卡.
以 tf rc0 為例, 我跑一個 epoach, cpu vs gpu 為 30 minutes vs 2~3 minutes.
然後我試圖同時跑兩個 Graph (其實也不大, 大概 4 層 hidden layers, 每層最多
1024 ~ 2048 nodes), TF 就會抱怨 I Tensorflow Memory Chunk 資源不夠.
所以建議就是升級顯卡, 然後選大記憶體.

3. 因為老魯怕吵, 所以特選 FD R5 靜音機殼. 不過還是沒辦法滿足我挑惕的耳朵,
依然會有低頻音, 隨便的測試一下, 大概是電源供應器的噪音吧 (我是挑 Seasonic 650W
那款, 其實也蠻貴的了), 所以如果預算有限, 而且也怕吵的, 我是覺得機殼挑
CM 靜音款 應該也沒差了, 反正電源供應器/電流噪音也是跑不掉的.

4. 小弟上述機子是在 高價屋買的, 組裝可以請員工幫忙理線, 服務還算不錯.
不過 FD R5 機殼後面的螺絲沒給我鎖好, 好像一根佬屌晃呀晃的, 後來回家後重新
把四個羅斯卸下重新找不同的洞給他插入所好, 就很緊了. 聽說 FD R5 有公差問題是吧?

補充:

modify your bazel build command as follows:
bazel build --config=mkl --config=opt --config=cuda --action_env="LD_LIBRARY_PATH=${LD_LIBRARY_PATH}" //tensorflow/tools/pip_package:build_pip_package

and using
pip install --ignore-installed tensorflow-1.5.0rc0-cp36-cp36m-linux_x86_64.whl
if you have already installed tf on your machine.

Creating a virtualenv before installing the self-build TF is highly recommended.

最後, 當你第一次啟動 TF 1.5 rc0 時, 大概會遇到
找不到 mkl library 的問題 (因為我 build 的時候選擇 既要支持 gpu, 又要支持
intel mkl 指令)
解法如下:

git clone https://github.com/01org/mkl-dnn.git
cd mkl-dnn/scripts && ./prepare_mkl.sh && cd ..
mkdir -p build && cd build && cmake .. && make
sudo make install
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib' >> ~/.bashrc
記得重新 source ~/.bashrc 再去啟動 python 呀.






※ 引述《geminitw (geminitw)》之銘言：
: 不好意思自己回復一下, 後來還是接受電蝦版網友的建議就去
: 買了 i5 8600K + 1080ti, 因為老魯很怕吵,
: 還買了 FD R5 靜音機殼 基本上大概 50K 出頭 (16G RAM + 256G 545 SSD etc)

--