待补充

【参考博客】

【https://blog.csdn.net/mergerly/article/details/83753056】

【简书的一篇博客】

【简书的另一篇博客-讲组装机的】

【讲如何搭配深度学习服务器的博客】

【其他参考博客1】【博客2】【博客3】

【https://bbs.hupu.com/23084290.html】

【https://blog.csdn.net/u011636440/article/details/72802689/】

【更多GPU信息参考官网（https://developer.nvidia.com/）】

【截止到2019年1月】

　　经过上面几篇博客的讲解，得到最近英伟达Nvidia的GPU几款适合中小型企业或研究室使用的。

　　2块GPU：

　　　　RTX 2080 Ti（9999/块） 或者 GTX Titan X-Pascal（9699/块）；

　　　　特点：性能高，贵。

　　　　计算能力：compute capability 好像都是6.1。待补充

　　4块GPU：

　　　　RTX 2080 （5k~6k/块）或者GTX 1080（4k~5k/块）；

　　　　特点：性价比高；

　　　　计算能力：待补充

 

　　以上，根据我的理解，做深度学习的服务器环境，买个好一点的CPU，配上SSD硬盘，之后是选好GPU就行了。

　　毕竟曾经连笔记本（1050ti）都被我拿来跑Alexnet也很ok，前提是数据量不是很大，实验室级别。

　　操作系统的话，我还是比较熟悉Ubuntu啊，不太适应CentOS的操作，而且颜控觉得有点简陋额。

　所以，对于有一定开发需求的中小型企业和实验室人员，最简单的办法是买个好一点的服务器，把原装GPU换成自己买的高性能N卡GPU就可以跑深度学习啦。

　待我试一试这个想法对不对。