本文详细介绍了深度学习硬件配置的选择，包括SSD硬盘提高数据加载速度，电源PSU的计算方法，以及CPU和GPU冷却的重要性。针对多GPU设置，讨论了风冷和水冷散热的优缺点，并建议根据实际需求和预算选择。同时，提到了主板需有足够的PCIe插槽，以及选择适合大型GPU和水冷系统的机箱。
硬盘/固态硬盘SSD
一般硬盘无法限制我们的深度学习任务的运行，但我们也不能因此小看了硬盘的作用。假设我们从硬盘中读取数据的速度是100MB/s，那加载一个32张ImageNet图片构成的mini-batch，要用185毫秒。
相反，如果在使用数据前异步获取数据，将在185毫秒内加载这些mini-batch的数据，而ImageNet上大多数神经网络的计算时间约为200毫秒。即在计算状态中加载下一个mini-batch，性能将不会有任何损失。
我们推荐的是SSD，因为选择SSD效率和舒适度都可以照顾到。和普通硬盘相比，SSD的启动和响应速度更快，大文件的预处理更是要快很多。顶配的就是NVMe SSD，比一般SSD更流畅。
电源PSU
随着GPU的更新换代，一个优质的PSU能够经得起时间的考验。我们对电源的基础要求是能满足各种GPU所需的能量。那PSU应该怎么选?
在这分享一个计算方法：将电脑CPU和GPU的功率相加，再加上额外的10%的功率作为其他组件的能耗，就能得到功率的最大值。
举个栗子：你有4个GPU，每个功率250瓦，加上一个功率150瓦的CPU，那电源要提供4×250+150+
最低0.47元/天 解锁文章
1105
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
