深度学习硬件配置

最新推荐文章于 2024-04-10 15:00:59 发布
最新推荐文章于 2024-04-10 15:00:59 发布
阅读量7.4k 收藏 17
点赞数 2
分类专栏： 深度学习 文章标签： 深度学习装机
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/channelyoung/article/details/88027631
版权

公司需要进行深度学习方面的探索，所以让我选择和配置机型，并安装当做前期开发使用。综合价格、GPU扩展4个、兼容性参考(https://pcpartpicker.com/)等因素买了以下的硬件，总价在39000元。

　 型号 网址 单价
1. CPU i7-7820x 8核16线程 https://item.jd.com/5251872.html 4499
2. 主板 技嘉(GIGABYTE) X299-WU8 https://item.jd.com/100001121024.html 4798
3. GPU 英伟达(NVIDIA) GeForce RTX 2080 Ti Founders Edition https://item.
最低0.47元/天 解锁文章
channelyoung
关注
  • 2
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
深度学习硬件
02-15
深度学习硬件
Windows下PyTorch深度学习环境配置（GPU）
07-23
Windows下PyTorch深度学习环境配置（GPU） 本文将详细介绍Windows下PyTorch深度学习环境配置，包括PyTorch的安装、Python的基础知识、深度学习相关概念、GPU和CUDA的概念、Anaconda和PyCharm的使用等。 一、Python...
深度学习需要的电脑配置
热门推荐
小鹏AI
05-07 2万+
深度学习核心的是GPU（深度学习加速） 反过来说：GPU的选择将从根本上决定你的深度学习体验 电脑配置 可以进行深度学习的显卡（有些显卡不能进行深度学习）【独立显卡】 显存的大小不能低于4G 内存的大小不能低于8G CPU不能低于四核八线程 GPU选择建议 使用GTX 1070或更好的GPU 购买带有张量核心的RTX GPU 在GPU上进行原型设计，然后在TPU或云GPU上训练模型 ...
深度学习环境配置-（RTX4060ti显卡）windows下配置unet-pytorch的环境
最新发布
jmxer的博客
04-10 886
【代码】RTX4060ti配置unet-pytorch的环境。
深度学习中GPU的作用
AthlenaA的博客
09-18 9938
英伟达推出的“霸王条款”：GeForce产品禁止用于深度学习。 英伟达的禁令 众所周知，英伟达是显卡界的老大，2017年英伟达的GPU芯片在全球市场的占有率为70%左右，无论是人工智能、自动驾驶，甚至搞电竞、区块链都绕不开英伟达的阴影。上周，英伟达悄然修改了用户许可协议，其中特别要求消费者级显卡GeForce允许做区块链处理，但禁止在数据中心使用GeForce显卡做深度学习。 这句话该怎么理解呢？...
【深度学习环境配置】ubuntu 20.04+4060 Ti+CUDA 11.8+pytorch（装机、显卡驱动、CUDA、cudnn、pytorch）
mjx792的博客
11-10 6517
【深度学习环境配置】ubuntu 20.04+4060 Ti+CUDA 11.8+pytorch（装机、显卡驱动、CUDA、cudnn、pytorch）
4060深度学习环境配置---win11环境
weixin_56087993的博客
06-15 5859
4060支持的cuda版本是cuda11.8，前往官网下载对应的cuda11.8的包与对应的cudann的包。（其他没试过，这个版本是没问题的）。直接下载对应安装包就可以。（建议安装最新的）安装过程参照大佬。安装pytorch、torchvision与torchaudio。之后根据环境需要安装所需要的包。
BERT使用心得经验分享
weixin_34418883的博客
06-10 1032
使用Bert有一段时间了，在项目中确实也能带来提升，这里总结下bert的使用心得。 #1，资源的使用 Bert在训练的过程确实很消耗资源。 上面是Bert模型在12G显存的显卡上，每轮的样本数和句子长度。 开始还担心Bert模型部署在客户的机器上能否正常运行。后面测试发现，如果没有太高的并发，其实在预测阶段对显存的消耗并不高，大概1-2G显存即可。 #2，模型速度 使用Bert模型一定要跑在GP...
小显卡训练大模型
kyle1314608的博客
04-23 2076
在K40小破卡训练50层BERT Large的宝藏trick夕小瑶​机器学习 话题的优秀回答者434 人赞同了该文章前言虽然TPU的显存令人羡慕，但是由于众所周知的原因，绝大部分人还是很难日常化使用的。英伟达又一直在挤牙膏，至今单卡的最大显存也仅仅到32G（参考V100、DGX-2）。然而，训练一个24层的BERT Large模型的时候，如果sequence length开满512，那么batch...
深度学习TX2配置文档.docx
07-03
它简化了开发者在TX2上的工作流程，提供了图形化的界面，使得配置和管理CUDA、cuDNN、TensorRT等深度学习库变得非常方便。 3.CUDACUDA是NVIDIA推出的一种并行计算平台和编程模型，它允许程序员利用GPU的强大处理...
win7配置深度学习环境1
08-08
【深度学习环境配置指南】 深度学习，作为现代人工智能的核心，已经在图像分类、语音识别等领域取得了显著成果。这一技术的关键在于构建多层的自动特征表示，让机器学习算法能自我学习和改进特征。其中，卷积神经...
深度学习、anaconda安装、环境配置
07-11
然后根据硬件配置和需求，选择适合的PyTorch版本。在PyTorch官网或通过清华镜像安装PyTorch时，要确保选择与CUDA版本和Python版本相匹配的版本。 在开发环境中，如PyCharm，需要配置解释器以使用Anaconda创建的虚拟...
NLP大模型微调答疑
狮子座明仔知识集散场
05-17 9022
我理解ChatGLM-6B模型是走完 “预训练-SFT-RLHF” 过程训练后的模型，其SFT阶段已经有上千指令微调任务训练过，现在我们只是新增了一类指令数据，相对大模型而已，微调数据量少和微调任务类型单一，不会对其原有的能力造成大的影响，所以我认为是不会导致灾难性遗忘问题，我自己微调模型也没出现此问题。ChatGLM-6B, LLaMA-7B模型分别是60亿参数量和70亿参数量的大模型，基本可以处理所有NLP任务，效果好，但大模型部署成本高，需要大显存的GPU，并且预测速度慢，V100都需要1秒一条。
2021-01-04
suo_li的博客
01-04 94
gtx1660ti支持python机器学习吗？
从3天到1小时，谷歌给最耗时的BERT预训练时间狂吃加速
喜欢打酱油的老鸟
04-05 8592
https://www.toutiao.com/a6675934997636973067/ BERT是目前最强大的NLP预训练模型，也是工业界目前最耗时的应用，计算量远高于ImageNet。谷歌的研究人员提出新的优化器，使用1024块TPU，将BERT的训练时间从3天成功缩短到76分钟，提速 65.2 倍！ 去年，谷歌发布了最强预训练模型 BERT，宣告了NLP领域的一项重大突破。 B...
深度神经网络模型训练时GPU显存不足怎么办？
一个努力吃胖的小瘦子的博客
04-03 9824
前言 最近跑的模型都比较大，尤其是Bert， 这真的是难为我 1080ti 了， 在Bert的Example中，官方提供了一些 Trick 来帮助我们加速训练，很良心， 但感觉还不够，于是花费一些时间整理出一个 Trick 集合，来帮助我们在显存不足的时候来嘿嘿嘿。 本文分为两大部分，第一部分引入一个主题：如何估计模型所需显存， 第二个主题：GPU显存不足时的各种 Trick 。 监控 GPU 监...
Pytorch实现Bert/RoBerta微调（以MELD数据集为例）
csdndogo的博客
07-17 6078
本文记录我在学习BERT/ROBERTAfine-tuning过程的遇到的问题，包括内存受限，微调概念，微调方法等。文章方法不适用于逐层微调，且只以NLP文本分类举例，微调代码参考。
BERT重计算：用22.5%的训练时间节省5倍的显存开销（附代码）
hecongqing的博客
04-21 1840
一只小狐狸带你解锁 炼丹术&NLP秘籍作者：夕小瑶、rumor酱前言虽然TPU的显存令人羡慕，但是由于众所周知的原因，绝大部分人还是很难日常化使用的。英伟达又一直在挤牙膏，至今...
深度学习环境配置速度慢
12-22
深度学习环境配置速度慢可能有多种原因。以下是一些可能导致配置速度慢的常见问题和解决方法： 1. 网络问题：下载所需的软件包和库可能需要较长时间，特别是在网络连接较慢或不稳定的情况下。可以尝试使用更快的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值