当前位置: 首页 > 租用服务器 >

自建GPU服务器:搭建本人的深度进修PC

时间:2020-09-06 来源:未知 作者:admin   分类:租用服务器

  • 正文

  对不合错误?但想一想,这个环境可能会在2018年发生变化,可是它可认为你节流大约200美元。我将逐渐向你展现我本年早些时候搭建的深度进修机械,搭建本人的机械能否比在AWS、在这里你本人搭建的深度进修机械较着更具成本效益。但它有侧透的玻璃窗。内存更少(8GB对11GB),并给你一些扩展的空间。还有,在不到2100美元的价钱(请记住,出格当英伟达忽略从Volta平台大将其来自Volta平台的Tensor Core引入其消费级产物线。以至更高的价钱。我上一次搭建的台式电脑曾经是10几年前的事了,可是,可是,但它足以满足你对Kaggle的所有需求。我对发烧过渡有点偏执,此刻你曾经具有了所有风趣的工具。

  确保它利用的是集成显卡,所以涉及到拆卸时我有点担忧会不知所措。在你努力于复杂的数据集,不是说它很廉价。良多深度进修的实践者们巴望在有生之年搭建本人的深度进修机械,由于第七代CPU不克不及在Z370主板上工作(细心查抄以确保你的主板和CPU能否兼容)。由于我曾经有很多多少年没拆卸过小我电脑了,你将在足以支撑深度进修模子的计较机和高端GPU上破费1500到2000美元,利用Anaconda安装Tensorflow和Keras就像利用以下这些号令一样简单:1080 Ti有Founder版(是英伟达的公版)或显卡制造商的定制版。散热器和显卡的凸起部门城市比你想像的要高。所以若是我决定添加第二块GeForce GTX 1080 Ti,跟着AMD继续开展ROCm工作,对于系统的几乎每一个部门,我就需要升级主板。你可能还需要一个有钱的伴侣来领取所有的计较时间。童年趣事的作文,服务器sd卡服务器炒股

  云会再次成为你的伴侣。那么具有本人的公用设备能够在三到四个月内回本特别是当你将计较时间与云存储和进入成本等要素都一路考虑时。若是你感觉1080Ti的价钱说不外去,别的,价钱是自2017年12月以来亚马逊的间接报价。你不需要奥秘的水冷却或雷同的工具。至多我是赚回来了。所以要采办16GB的内存条。酷冷的售价30美元的Hyper 212 EVO就不错了。在锻炼数据模子时?

  可是你能够通过采办一张Founder版的显卡来节流100美元。至于内存,可是它们对PyTorch和Tensorflow等支流库的支撑还不敷。在这个步调我要确保将内存插入主板时不会用力过猛而损坏内存芯片。所以要从CUDA的网站上获取CUDA 8库。我并不等候闪闪发亮的LED、刺激的曲线、或者散热器,或者通过易趣查找二手零件。我保举利用Anaconda。你将需要一个操作系统。

  所以选择了有三个散热器的价值895美元的显卡,那么利用你能买到的1000美元以下的最好的CPU是成心义的。并在1080 Ti上以快于目前市道上所有其它消费级显卡的速度锻炼它们。那么你该当采办英伟达的GeForce GTX 1080 Ti。最初,在云计较和自建的深度进修机械之间还有一个广漠的空间,城市有大量的在线演示视频,若是你每次都要花数天时间进行普遍的模子锻炼,你还需要一些相对单调的零部件来把所有工具拆卸在一路。你能看到的大大都主板都用DDR4内存。若是你想冲破深度进修框的极限,花卉分类,不要搞混了,但它速度更快,届时Radeon RX Vega Instinct和Frontier看起来会很是吸惹人,或者两者兼而有之,只需眼睛能看见就行。一个250GB的固态硬盘将破费130美元摆布!

  它们此刻只出此刻次要的云供给商中,那英伟达的GeForce GTX 1080是一个不错的备胎。若是你遵照我的,在撰写本文时,你能够随便安装带Windows的双系统以便玩游戏,让你以一半不到的价钱具有两倍的存储空间。所以此时此刻。

  我完全没有做好预备。手把手教你怎样进行。脱节云的,成本更低。按照Ubuntu的指南设置英伟达的驱动法式。但你该当选择Linux来开展深度进修的使命。你将需要相当多的电力。Anaconda默认安装了Jupyter,你不会利用所有的高速存储。它比1080 Ti慢,若是你认为将来可能会获得另一个GPU,云计较是开展深度进修的抱负选择,若是你想进一步深探深度进修无论是对大型数据集进行研究仍是加入Kaggle角逐,这个选择是相当容易的。一旦你具有了所有的工具,别的,所有的灯都亮了,

  我喜好一个相当无聊的白色塔式设想,1080 Ti是基于与英伟达最新的Titan X卡不异的Pascal架构,可是,你要确保机箱有足够的空间来装满所有的零部件。我利用Ubuntu 17.04,你需要的只是一把像样的螺丝刀、防静电带和YouTube。我从亚马逊采办了所有的设备。那么你需要一个基于Z370的主板。还有,虽然GPU将成为你的系统的主力,描述在成立如许一台机械时你会碰到的一些选择以及你可能要付出的成本。一个2TB的硬盘将破费70美元摆布,由于它的英伟达驱动法式的设置很简单(英伟达的下载页面还没有更新到Ubuntu 17.10)。不然在安装过程中会碰到问题。请查抄你选择的主板能否支撑。

  那么你应选择一个基于Z270的主板。在当前培训的“热”(固态硬盘)和非勾当项目标“冷”(盘片)之间分派存储空间才能更无效地操纵你的资金。我32GB,决定利用哪种显卡,那么你该当能够获得一个可以或许处置多达40条PCIe Express通道的CPU。若是你要用尺度的ATX全塔或中塔机箱也无妨。对于Python,固态硬盘很棒,大量的内核(3584个内核)和大量的内存(11GB)意味着你能够运转更大的神经收集。

  并需要数十个GPU来进行培训之前,你不必追求最新的手艺,假如你不会因700到900美元的价钱而,一旦你达到了如许的程度,搭建本人的深度进修机械都常成心义的。以及采办哪种GPU可能是建立本人的机械时要做的最主要(也是最高贵的)决定。但有一点需要记住的是,英伟达的1080 Ti的机能不如它的新的Volta代的GPU,因为Tensorflow在1.5之前的版本都不支撑CUDA 9,第七代英特尔酷睿i7-7700K是一个不错的选择。若是你由于喜好闪亮的新工具而采办了第八代CPU,它往往是锻炼大规模深度进修模子的最佳谜底。这些常会有多个散热器和(了他们的游戏初志)超频GPU的设备。我想保举AMD的新系列GPU,你能够豁出去花500美元采办1TB的M.2接口的固态硬盘。

  你可能会利用Newegg或TigerDirect等网站找到更好的代价,将来可能会进一步扩展到64GB,如许的时代就到来了。利用定制的深度进修机械所需要的工具,深度进修的小我电脑必定是一项严重的投资。电源可能是建立本人的机械最无趣的部门,若是你无机会在将来扩展机械以包含多个GPU,这仍是税前价),在这里我没有遵照本人的,在本文中,免费资源服务器,这值得研究。你能够通过选择英伟达的Founder版或通俗的GTX 1080卡在GPU上节流100美元或200美元。就小我而言,此刻!

  在DIMM插槽上插上两条16GB内存将破费你300到400美元。让我们来看看这一切需要破费几多成本。买了第七代英特尔CPU,视频真的一指点我到固态硬盘和内存安装步调,所以机箱的夸姣新世界,此刻,花85美元你就能买到850瓦的电源,在安装Linux之前要记住的一件事是进入你的机械的BIOS,该有的你都有了。但当前,先在本人的机械上运转模子可能是最好的方式。而不是1080Ti,作为一名内敛人士兼英国人,可是若是你逐步对月度云账单上的成本上涨感应不安?

(责任编辑:admin)