1200美元打造家用型深度學習配置

選自Reddit

機器之心編譯

參與：黃小天、路雪

近日，社交新聞站點 Reddit 用戶 polaryon 在機器學習板塊發起了一個討論，展示了自己如何用 1200 美元打造一款家用型深度學習配置的全過程，其中英偉達 GPU GTX 1080 佔用了一半的預算；在 CPU 方面，polaryon 有多個選擇：英特爾的新一代 CPU Core i5 與舊一代 CPU Xeon 2670，並討論了使用後者的優勢與劣勢。

我最近覺得是時候做一個能夠運行深度學習模型的家用工作站。因此，我用不錯的價格購買了 GTX 1080。在等待到貨時，我一直在思考一個問題：什麼樣的 CPU 最符合我的需求。鑒於我還是學生，我儘力把預算控制在 1200 美元以內，其中一半預算已經花在了 GPU 上。

我閱讀了大量資料（主要來自 Tim Dettmers 令人驚奇的博客），資料中說 CPU 對深度學習沒有那麼重要，但是我運行的其他代碼，比如預處理、增強、分析等，仍然需要用到 CPU。我一直使用 Python，也大量使用 Numpy。我只考慮 Intel 的產品，因為英特爾的數學核心函數庫（MKL）實在是太快了。我唯一看到的基準，比如 Ryzen，是這個（https://openbenchmarking.org/showdown/pts/numpy）。應該說我現在沒有經歷多線程，只是在學習。

我想了好多種方案。下面的方案包括一個新一代的標準 CPU，我認為它能很好地完成工作。但是，它不能擴展，最多只有 16 個 PCIe 通道。另一方面，我可以選擇有 40 個 PCIe 通道的舊一代 Xeon，如下表所示。這些將在更舊的架構上運行，同時時鐘頻率也更低。但是，它們能夠提供 8 核／16 線程，其價格是 4 核 Kaby lake i5 的一半。

我一直記得我也用一個不錯的價格購買了 Xeon 2670 (Sandy Bridge) 和 GA-X79-UP4，整體價格比上面列出的組合更便宜。

優勢：

對我來講，這樣一個系統有能力處理更大的工作負載。

更多的內存通道，更高速的寬頻，我猜這很利於深度學習？由於你需要把信息快速遷移到 GPU？而不是一個專家。LGA2011 主板上有更多的內存空間和插槽。

40 個 PCIe 通道+LGA2011 主板允許我擴展到多 GPU 系統。

目前存在的劣勢：

我很擔心它已相當過時。LGA2011 主板似乎很難找到和替代。同樣，沒有任何保證。

在不遠的將來（至少今年），我不會使用多 GPU 設置，因此 40 個 PCIe 通道很不錯，但是我很可能會選擇一個更新的處理器，並且價格優惠更多。

我不會使用兩個 2670，這樣電耗將非常高，我還需要省下錢來買一個更貴的主板。

更舊的主板，並不能擁抱未來的新事物，比如 M.2 SSD。

你覺得什麼是能滿足我的需求的更適宜的選擇？歡迎可再降低成本的建議。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！