• 2

70K組電腦跑程式及深度學習

不含螢幕及OS

主要用途為跑 R、Python 多執行緒及深度學習

舊電腦 CPU E3-1231 及 RAM 16G 常飆到100%

對於CPU散熱器及顯示卡的廠牌沒什麼概念所以來請教各位

以下是我試組的單子請各位指教,謝謝!

70K組電腦跑程式及深度學習
2019-01-25 19:43 發佈
Jesus go home wrote:不含螢幕及OS主要...(恕刪)
不含作業系統,電源送機殼

Samae wrote:
不含作業系統...(恕刪)


請教一下

為什麼主機板及顯卡的部分你會選那個品牌及型號呢

是因為效能考量嗎
Jesus go home wrote:...是因為效能考量嗎(恕刪)
Jesus go home wrote:
不含螢幕及OS主要...(恕刪)
深度學習主要是計算多維度空間
用的是GPU
然後主記憶體必須是顯卡記憶體的兩倍以上

你卻把CPU買到頂
買錯重點

python無法多工

如果深度學習是靠CPU
這次AMD的股票要狂飆了
SGR 0418 wrote:
深度學習主要是計算...(恕刪)


因為目前在做大數據相關工作

主要是用R在跑資料前處理、機器學習、模型建置,會開多執行緒,用的是CPU和RAM

但深度學習是開 Python 用 GPU

謝謝你的建議
顯卡NVIDIA TITAN RTX
有24GB的RAM
PCHOME 專賣 一張8萬3

要多深有多深
不夠深在插一張串接



顶配2080 TI的Tensor Core个数减少了15%,显存少了1GB,显存带宽减小6%,最终的单精度浮点算力降低了14.8%。各种简配后,价格降低到¥1万。仍然不便宜,但是比起Titan V来说,性价比已经非常高了!如果我们使用 GFLOPS/1元来算性价比的话,Titan V是 0.552 GFLOPS/元;RTX 2080 TI是 1.17 GFLOPS/元。新品显然要更加划算。

在实际选择的时候,算力只是其中的一个参数。例如各种缩水的RTX 2080的性价比达到1.37 GFLOPS/元,但是其显存容量只有8GB。如果你希望在神经网络训练过程中使用更大的batch size,那么要研究下8GB的显存是否够用。

🏆 目前最好的 GPU:RTX 2080 Ti
💰 成本效益高但貴的 GPU:RTX 2080、GTX 1080
💵 成本效益高且便宜的 GPU:GTX 1070、GTX 1070 Ti、GTX 1060
🗄️ 用於超過 250 GB的資料集:RTX 2080 Ti or RTX 2080
😳 只有一點錢的話:GTX 1060 (6GB)
😢 幾乎沒什麼錢:GTX 1050 Ti (4GB) or CPU + AWS/TPU
🏁 打 Kaggle:GTX 1060 (6GB) 測試、AWS 做最後訓練
🕵️♀️ 有競爭力的電腦視覺研究人員:GTX 2080 Ti,2019 年升級到 RTX Titan
🎓 研究人員:RTX 2080 Ti or GTX 10XX 到 RTX Titan
😤 剛起步學習深度學習 (認真的):從 GTX 1060 (6GB) 開始,或便宜的 GTX 1070/GTX 1070 Ti
😝 只想試玩看看深度學習:GTX 1050 Ti (4或2GB)





Jesus go home wrote:
不含螢幕及OS主要...(恕刪)

直接攻頂RT4
跑檔速度虐9900K

Jesus go home wrote:
舊電腦 CPU E3-1231 及 RAM 16G 常飆到100%

對於CPU散熱器及顯示卡的廠牌沒什麼概念所以來請教各位(恕刪)


記憶體先加到32G看看能不能改善。E3-1231最多就到32G...
Jesus go home wrote:
不含螢幕及OS主要...(恕刪)
9900k必須上水冷
不超頻時
好的空冷也壓不住高溫上飆

何況你是長時運算
浮點運算再用下去
再加十幾度以上

使用耗損應不輸礦卡
畢竟是藥出來的,本就沒那極限
  • 2
內文搜尋
X
評分
評分
複製連結
Mobile01提醒您
您目前瀏覽的是行動版網頁
是否切換到電腦版網頁呢?