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。