深度学习硬件
Hardware for Deep Learning
我有几个关于我正在开始的深度学习项目的硬件问题，我打算将 pyTorch 用于神经网络。
我正在考虑在 z390 上购买第 8 代 CPU（我会等一个月看看价格是否会在第 9 代 CPU 可用后下降）所以我仍然得到更便宜的 CPU 可以稍后升级。
问题 1) CPU 内核是否有益，获得最新的 Intel 芯片是否值得额外的内核，如果 CPU 上的内核有帮助，我是否应该选择 AMD？
我也在考虑买个 1080ti，等我熟练了再加两个 2080ti，我会买更多的，但是很难找到适合 4 的板子。
问题2）混合GPU的效果并行处理，是不是先入个2080ti，以后再买2个？这个问题的 b 部分对通道速度很重要，如果您使用多个插槽，我是否应该花更多的钱在一块不会降低 PCIe 插槽速度的板上。
问题 3) 更多 RAM？ 32GB 似乎足够了。所以 2x16gb 坚持一块可以有 4 个插槽的板，最多 64gb。
运行 多 GPU 时的问题还在于可用 PCIe 通道的数量。如果您可以选择最多 4 个 GPU，我会选择 AMD Threadrippers 用于 64 条 PCIe 通道。
对于一般的机器学习，核心和线程数非常重要，因此 TR 仍然是一个不错的选择，当然取决于预算。
很少有人提到 运行 每个 GPU 上的一个实例可能更有趣，如果你这样做，丢失 GPU 不是问题。
32GB 内存似乎不错，如果您的 CPU 确实不支持四通道，则无需购买 4 根内存条。
我有几个关于我正在开始的深度学习项目的硬件问题，我打算将 pyTorch 用于神经网络。
我正在考虑在 z390 上购买第 8 代 CPU（我会等一个月看看价格是否会在第 9 代 CPU 可用后下降）所以我仍然得到更便宜的 CPU 可以稍后升级。
问题 1) CPU 内核是否有益，获得最新的 Intel 芯片是否值得额外的内核，如果 CPU 上的内核有帮助，我是否应该选择 AMD？
我也在考虑买个 1080ti，等我熟练了再加两个 2080ti，我会买更多的，但是很难找到适合 4 的板子。
问题2）混合GPU的效果并行处理，是不是先入个2080ti，以后再买2个？这个问题的 b 部分对通道速度很重要，如果您使用多个插槽，我是否应该花更多的钱在一块不会降低 PCIe 插槽速度的板上。
问题 3) 更多 RAM？ 32GB 似乎足够了。所以 2x16gb 坚持一块可以有 4 个插槽的板，最多 64gb。
运行 多 GPU 时的问题还在于可用 PCIe 通道的数量。如果您可以选择最多 4 个 GPU，我会选择 AMD Threadrippers 用于 64 条 PCIe 通道。
对于一般的机器学习，核心和线程数非常重要，因此 TR 仍然是一个不错的选择，当然取决于预算。
很少有人提到 运行 每个 GPU 上的一个实例可能更有趣，如果你这样做，丢失 GPU 不是问题。
32GB 内存似乎不错，如果您的 CPU 确实不支持四通道，则无需购买 4 根内存条。