深度学习与金融市场——搭建个人深度学习主机

我们讲了这么多之后，也许大家蠢蠢欲动的要去攒一台深度学习主机了！但是看起来是价格不菲的！那么我们如何去权衡取舍呢？这篇文章里，我们来讲一下我们在攒机的时候如何来选择。

首先我们来说GPU，也就是通常所说的显卡了。如果要说性价比最高的显卡，无疑是NVIDIA的RTX 2070，当然这里有一个要注意的点是如果你用16位浮点，你可以选择RTX 2070和RTX 2080TI。如果你需要用到32位浮点，那么你可以选用GTX 1070/TI或者GTX 1080/TI。并不是说RTX 2080TI不能用32位浮点，只是单纯的从性价比来讨论。RTX 2080TI在训练32位浮点时，仍然比GTX 1080TI要快，可以参考下图。

我们也可以来看看RTX 2080TI和RTX 1080TI在训练RESNET152时使用FP16的表现：

然后是GPU的显存，如果我们需要用到特别复杂层数特别多达到几百层的模型，那么11GB以上的显存是必要的！

接下来是RAM，也就是内存，内存不需要高主频，但容量得足够，你会发现训练的时候内存占用量轻松上到20多G！32G RAM是必要的，并且留好扩展槽，不要买8根4G的内存占完了所有主板的插槽。

接下来是CPU，不用买太强大的CPU，AMD的线程撕裂者1920X或者Intel i7-8700k即可。当然推荐使用Intel，我配了三台主机，其中有一台用的1920X仍然有时会看到CPU怪怪的出现一核工作，其余围观的状况。我太太就在AMD工作，所以不存在黑AMD！有人会问CPU的核心数选多少，其实很实际的告诉大家，基本上目前的主板来说，最多装4块NVIDIA的显卡，从卡槽来讲。但实际上三块都很难挤下去，一般来讲，一个GPU分四个核足够了。

外存储，推荐SSD，鉴于目前MLC的SSD基本买不到，大家买Intel的就可以了，从数据大小来说，512的SSD是必要的！

电源就看你用多少的GPU了，主要都在GPU上，一块GPU按250W算，其他算250W。如果使用三块GPU，我建议你上水冷机箱。一块GPU的话，用个带风扇的机箱，再给CPU配个水冷基本就够了。

主板的选用，主要看CPU和显卡的支持情况，有些主板看起来pcle挺多，其实是假的，不支持GPU并行。

综合来说，大家在选择的时候，可根据自己的实际情况进行权衡。我的建议是用一台普通的机器换一个4G GRAM的显卡来做模型的原型设计，高阶的机器用来做训练。这样可以提高效率，当然也要结合自身的经济状况。目前深度学习服务也比较多，普遍都比较贵，谷歌的相对便宜，第一年送300美金。如果是初学者，建议大家先使用现有的机器换上一个1070TI或者1050TI，就基本上可以跟着我一起来学习深度学习量化了！

了解更多技巧，请移步我的星球：AI量化(https://t.zsxq.com/RvfY37y) 星球限时免费，如需加入，请私信我获得免费邀请码！

零基础学习Python与深度学习应用请关注星球：Python与深度学习 https://t.zsxq.com/bUFayZ3

微信公众号：QTechAI