欢迎光临脉冲变压器网站,提供零件定制批发服务

脉冲变压器

生产主要用于高频开关电源中作高频开关电源

组装自己的深度学习计算机

作者:初夏      发布时间:2021-04-21      浏览量:0
在与Microsoft Azure GP

在与Microsoft Azure GPUVM进行了多年的斗争之后,我听说Amazon的AWS没有做得更好,我认为我应该拥有自己的本地深度学习机器。

的主要原因之一是云虚拟主机没有显示,因此无法进行任何可视化。这没什么大不了的,只要你在那里训练并在你的本地计算机上运行模型,但是如果你需要处理基于仿真的机器人项目,它们根本不会在虚拟环境中运行。

之后,我发现组装一台几乎处于最先进水平的计算机可以在大约四个月内收回成本,而且它比云服务器快得多(主要是本地数据传输,因为所有东西都在同一条总线上的一个盒子里),而且云服务可能会将计算单元和存储放在不同的机架上--所以即使GPU更快,它也无法获得足够快的数据。

我的系统最终花费不到3,000美元(从AWS或Azure购买入门级云GPU,每月约800美元)。我于2019年5月组装,价格与现在大不相同,现在可以将价格降低10%。此外,当您阅读本文时,该技术可能已经开发出来。您可能会问,为什么您需要组装自己的计算机而不是购买预先安装的计算机。这是因为现成的深度学习系统非常昂贵。LambdaLabs的起价超过6000美元。其他人会更多。这使得从零开始组装计算机和匹配正确的组件似乎很困难。

为了确保所有功能正常工作,我建议您使用PC部件选择器。它不仅给出了每个部件的最低价格,而且还确保了您不会选择不兼容的部件。至于把它放在一起,要遵守YouTube的规则。只需输入部件的名称,您将发现一些视频解释如何安装它。现在,让我们看看所需的部分:

CPU

您必须做出很大的选择:AMD还是Intel。我一直是英特尔的粉丝,但CPU不是这台机器最重要的部分。英特尔的CPU成本是AMD的两倍。AMD的新莱德系列有一个良好的评级。我不需要太频繁,因为我不玩电子游戏。所以我选择了12核心24线程AMD线程192 x,这足以满足我的需要。价格是合理的,大约350美元,但价格一直在下降。另一个选择是英特尔i9-7900的10核心,价格超过900美元。

CPU散热器

AMD CPU运行时热量很大(这是它们不可靠的主要原因之一)。所以你肯定需要一个液体冷却散热器。我选择了分形S24与两个球迷约115美元。另一种选择是Corsair H100i。

主板

关于主板主要是选择芯片组。简单的规则是:使用X 399的AMD线程,。对于Intel 7900,使用X 299。

GPU

这是深度学习系统中最重要的部分。您必须推荐的Nvidia GPU的最低配置是GTX 1080 Ti.不幸的是,不可能以大约800美元的正常价格购买它(奇怪的游戏玩家?比特币矿工?<;节点名称>;),模板名将采用不同的格式。因此,我不得不转向更先进的RTX 2080 Ti,这是不容易找到,但我幸运地购买了EVGA产品,以1187美元。RTX是2019年初消费GPU中性能最好的新一代产品之一。我很高兴我“被迫”做出了选择。如果你仔细看,你可能仍能找到一个大约1200美元的折扣价格。我认为EVGA和千兆字节是顶级制造商,你必须做出的选择是冷却系统。EVGA RTX 2080 Ti XC超有一个双空气冷却器,这是足够到目前为止,从来没有遇到一个严重的过热问题。

内存

DDR 4是上述配置的最佳选择。海盗船可能是主要的制造商。2019年需要64 GB内存。因此,我最终使用了4x16Gb Corsair Engeance LPX DDR 4。它花了我399美元,现在价格远低于300美元。

硬盘

SSD现在是一项古老的技术。最先进的是M.2标准,可以直接插入主板的PCIe插槽。以主总线的速度运行,这基本上是一个大容量、持久化的内存芯片。我真的喜欢1TB三星EVO SSD M.2。我花了241美元,但现在价格也降到了200美元。如果您需要更多的存储空间,您可以添加一个普通的SSD,花费不到100美元。

电源

底盘

这里有许多选项,取决于个人喜好和设计,但重要的是要确保它足够大,适合所有部件而不受限制,并且气流良好。我以114美元的价格买下了Lian-Li PC-O11AIR,因为它满足了这些要求。它很宽敞,什么东西都可以放进去,散热也很好。

附加冷却设备

部件

如我所说,对于在YouTube上搜索的每个部件,您必须能够找到安装的详细示例。例如,下面是一些示例:类似于我的版本,MSI X 399主板演练,Threadper安装。阅读手册中的所有安装说明。例如,注意内存条的插槽位置。

基本操作顺序为

完成并启动系统电源,完成电缆管理,优化散热。例如,我最终清除了覆盖风扇的大部分灰尘过滤器。我开发了一个重的GPU测试协议(训练Yolo模型),并一直移动风扇直到温度降到最低。

软件安装

这才是真正有趣的开始,但这不是故事的重点。在2019年春天,您可以使用Ubuntu18.04作为您的GPU版本的NVIDIA驱动程序(执行速度非常快,但显示将非常糟糕),CUDA 10,以及任何您想使用的框架(PyTorch,TensorFlow等)。更重要的是,它比你尝试过的任何云GPU都快,你投资的钱几个月后就会有回报。

零件列表

这是我的部件列表,包括2019年4月的价格。您还可以检查我的PCPartPicker列表中更新的价格。

CPU:AMD Threadrapper 1920 x 12-核心(356美元)GPU:EVGA RTX 2080 Ti XC Ultra(1 187美元)CPU冷却器:分形S24(114美元)主板:MSI X 399游戏专用碳AC(305美元)内存:Corsair Engeance LPX DDR 4 4x16 Gb(399美元)硬盘驱动器:Samsung 1TB ESSD M.2 PCIe(241美元)Power:EVGA超新星P2铂1200W($249)案例:Lian-PC Li-O11AIR($114)。

这是我启发的一些替代版本:JeffChen、ColinShaw和WaydeGilliam。