深度学习电脑配置

❶ 大学专业学习人工智能专业买电脑要多少配置

这要看你平时怎么使用。
比如说你平时打游戏，那么显卡就要高配，显卡这玩意配置越高越贵，而且贵的离谱。
如果平时就写写文档敲敲代码，那配置其实并不如何夸张。
机器学习深度学习这些，说白了本科阶段就是敲代码和实现，一般来说16G内存512固态就够了，处理器有个i5的中端就行，显卡另说，这么一算，联想最便宜能有3700-5000(看笔记本还是台式)，其他的可能也就贵一点。

❷ 如何配置一台深度学习主机

搞AI，谁又能没有“GPU之惑”？下面列出了一些适合进行深度学习模型训练的GPU，并将它们进行了横向比较，一起来看看吧！

❸ 做深度学习,是不是需要很高配置的计算机啊

越高越好，一般的配置玩不起来

❹ 深度学习 对硬件的要求

之前热衷于学习理论知识，目前想跑代码了发现不知道从何下手，自己电脑上搭建的平台基本就是个摆设，因为跑不起来呀。今天我们就来看看想做深度学习应该怎么下手。

首先了解下基础知识：
1、深度学习用cpu训练和用gpu训练的区别
（1）CPU主要用于串行运算；而GPU则是大规模并行运算。由于深度学习中样本量巨大，参数量也很大，所以GPU的作用就是加速网络运算。

（2）CPU算神经网络也是可以的，算出来的神经网络放到实际应用中效果也很好，只不过速度会很慢罢了。而目前GPU运算主要集中在矩阵乘法和卷积上，其他的逻辑运算速度并没有CPU快。

目前来讲有三种训练模型的方式：
1. 自己配置一个“本地服务器”，俗称高配的电脑。
这个选择一般是台式机，因为笔记本的“高配”实在是太昂贵了，同一个价格可以买到比笔记本好很多的配置。如果是长期使用，需要长期从事深度学习领域的研究，这个选择还是比较好的，比较自由。
①
预算一万以内的机器学习台式机/主机配置：

②
从李飞飞的课程里，可以看到她的电脑配置，这个配置是机器学习的基本设置。

内存：4X8G
显示卡： 两个NV GTX 1070

硬盘： HDD一个， SSD两个

③ 配置主机需要了解的参数（在上一篇博客中已经详细介绍了各个参数的含义）：
GPU：一个好的GPU可以将你的训练时间从几周缩减成几天，所以选GPU一定要非常慎重。可以参看GPU天梯榜，都是一些比较新的型号具有很强的性能。
在英伟达产品系列中，有消费领域的GeForce系列，有专业绘图领域的Quadro系列，有高性能计算领域的Tesla系列，如何选择？有论文研究，太高的精度对于深度学习的错误率是没有提升的，而且大部分的环境框架都只支持单精度，所以双精度浮点计算是不必要，Tesla系列都去掉了。从显卡效能的指标看，CUDA核心数要多，GPU频率要快，显存要大，带宽要高。这样，最新Titan
X算是价格便宜量又足的选择。
CPU：总的来说，你需要选择一个好的GPU，一个较好的CPU。作为一个高速的串行处理器，常用来作为“控制器”使用，用来发送和接收指令，解析指令等。由于GPU内部结构的限制，使得它比较适合进行高速的并行运算，而并不适合进行快速的指令控制，而且许多的数据需要在GPU和CPU之间进行存取，这就需要用到CPU，因为这是它的强项。
内存条：主要进行CPU和外设之间的数据交换，它的存取速度要比硬盘快好几倍，但是价格比较昂贵，通常会和容量成正比。内存大小最起码最起码最起码要大于你所选择的GPU的内存的大小（最好达到显存的二倍，当然有钱的话越大越好）。在深度学习中，会涉及到大量的数据交换操作（例如按batch读取数据）。当然你也可以选择将数据存储在硬盘上，每次读取很小的batch块，这样你的训练周期就会非常长。常用的方案是“选择一个较大的内存，每次从硬盘中读取几个batch的数据存放在内存中，然后进行数据处理”，这样可以保证数据不间断的传输，从而高效的完成数据处理的任务。
电源问题：一个显卡的功率接近300W，四显卡建议电源在1500W以上，为了以后扩展，可选择更大的电源。
固态硬盘：作为一个“本地存储器”，主要用于存储各种数据。由于其速度较慢，价格自然也比较便宜。建议你选择一个较大容量的硬盘，通常会选择1T/2T。一个好的方法是：“你可以利用上一些旧的硬盘，因为硬盘的扩展十分简单，这样可以节省一部分资金。”

❺ 学生做深度学习有什么高性价比的电脑配置推荐

建议买x99、x299，c422等主板，PCIE通道40多个，4通道内存，扩展性良好，性能不够直接加显卡就行。

每张显卡需要8个或16个PCIE通道，固态硬盘还要占用4个，普通的z490主板只有16个通道，更低端的就更少了，明显没有扩展能力。

x99还能找到库存全新的，才1700块左右，买的时候注意PCIE卡槽间距离，一个显卡要占用两个卡槽的位置。再加个拆机的1400左右的18核至强e5 2690v4。以后1个显卡，2个显卡，3个显卡，4个显卡随便上，完美。

显卡(Video card，Graphics card)全称显示接口卡，又称显示适配器，是计算机最基本配置、最重要的配件之一。

显卡作为电脑主机里的一个重要组成部分，是电脑进行数模信号转换的设备，承担输出显示图形的任务。

显卡接在电脑主板上，它将电脑的数字信号转换成模拟信号让显示器显示出来，同时显卡还是有图像处理能力，可协助CPU工作，提高整体的运行速度。

对于从事专业图形设计的人来说显卡非常重要。 民用和军用显卡图形芯片供应商主要包括AMD(超微半导体)和Nvidia(英伟达)2家。

现在的top500计算机，都包含显卡计算核心。在科学计算中，显卡被称为显示加速卡。

❻ 配台专门搞深度学习的电脑，这个配置可以吗

换个CPU就可以了，其他没有问题。
最好再加一块IQ卡，让读写速度更快。

❼ 用深度学习做图像识别是不是要求很高的电脑配置

推荐配置：
CPU AMD A10-7890K 1 ¥1169
主板 技嘉GA- 1 ¥799
内存 海盗船8GB DDR3 1600（CMZ8GX3M1A1600C10） 2 ¥359
硬盘 希捷Desktop 1TB 7200转 8GB混合硬盘（ST2000DX001） 1 ¥300
固态硬盘 三星850EVO系列（128GB） 1 ¥379
显卡 七彩虹iGame 970 烈焰战神U-4GD5 1 ¥2599
显示器 AOC LD32E01M 1 ¥1100

❽ 做深度学习的自然语言处理对电脑的配置有什么要求

• 四颗TITAN X GPU，每颗GPU有12GB内存

• 64GB DDR4

• 华硕X99-E WS工作站级主板支持4路PCI-E Gen3 x16

• 酷睿i7-5930K 6核3.5GHz台式机处理器

• 三个3TB SATA 6Gb 3.5“企业级硬盘RAID5

• 用于RAID的512GB PCI-E M.2 SSD缓存

• 250GB SATA 6Gb内置SSD

• 包括EVGA在内的高级供应商的1600W电源装置

• Ubuntu 14.04

• NVIDIA合格的驱动程序

• NVIDIA®（英伟达™）CUDA®工具包

• NVIDIA®DIGITS™SW

• NVIDIA®cuDNN™

• Caffe，Theano，火炬，BIDMach

• NVIDIA®DIGITS™DevBox 官方参考

❾ caffe深度学习需要什么机器配置

推荐wiseteam机器学工作站（开发）

搭载2颗Quadro Tesla K40 GPU加速器

2颗Xeon E5-2600v4系列处理器（8-20核）

DDR4 R.ECC内存（64G-128G)

SSD企业级+SU SATA3企业级

推荐wiseteam机器学工作站（训练集群）

搭载8颗Quadro Tesla K40 GPU加速器

2颗Xeon E5-2600v4系列处理器（8-44核）

DDR4 R.ECC内存（256G-512G)

SSD企业级+SU SATA3企业级

❿ 做深度学习 电脑CPU配置咨询

e5是顶级，e3稍弱，不过2620的针脚很特别，一般的主板不行的，如果弄不好，就选1231吧