精华内容
下载资源
问答
  • 深度学习电脑配置推荐

    万次阅读 2019-07-11 09:21:11
    半夜睡不着,想谈谈自己对深度学习主机配置的一些经验,想自己diy深度学习硬件的朋友可以参考一下,因为本人也不是特别资深的电脑diy爱好者,所以很多地方也是一知半解,有错误请大家指正。首先我会谈几点必须注意的...

    半夜睡不着,想谈谈自己对深度学习主机配置的一些经验,想自己diy深度学习硬件的朋友可以参考一下,因为本人也不是特别资深的电脑diy爱好者,所以很多地方也是一知半解,有错误请大家指正。首先我会谈几点必须注意的事项;然后我阐述一些配件选择的原则,因为硬件更新是很快的;最后会给出一下当下的配置清单。下面我们步入正题。

    配置深度学习主机的注意事项:

    1.一定计算好需要多大功率的电源!我们配置深度学习主机最核心的就是显卡,GPU的功耗往往很大,尤其我们经常使用两块以上的显卡。因此电源功率很重要,这是我们主机稳定工作的保障,我看到很多服务器甚至会选择双电源,但是我自己没有试过,不是很清楚双电源。

    2.双显卡以上时必须注意处理器和主板的选择。如果是双显卡以上,那么pcie就面临是工作在x16还是x8的状态,这里应该是说带宽。我们在选择CPU是就要关注他们的pcie通道数,通道数大约40条以上两个GPU才会都工作在x16状态。另外可以选择双CPU的主板,这样就可以支持两个甚至更多的GPU工作在x16状态。

    3.使用m.2固态硬盘时注意是否影响GPU工作在x16状态。这点也是个第二点有关的,就是pcie的通道资源是有限的,有的主板会写你使用m.2的固态会占用谁的资源,导致那个接口不能用。所以我一般会用sata那种接口。不过通道多的一般没什么影响,还是要看一下主板说明。

    硬件选择原则

    1.GPU选择

    因为我们核心就是为了使用GPU,所以我们就先想好用几块GPU,什么型号,然后再去选择其他配件。GPU有许多参数,比如频率,位宽,cuda数。其中√深度学习影响大的大约是这几个参数,cuda核心数数,显存大小,位宽。所以我们选择时可以主要参考这三个参数,越大越好。另外大的原则是越新的架构会越好,比如10系列的会比9系列的好,因为架构上做了优化,具体的我不懂,比如gtx1080肯定比gtx980好,gtx1060和980就要看看了,这个可以参考网上的天梯图,因为我们大部分都是买1080ti或者泰坦,所以还是好比较的。如果是专门的计算卡Tesla,就要看刚才说的三大参数。有钱当然上计算卡,没钱就游戏卡。然后想看总几块显卡,这对后面硬件的选择影响很大。

    2.CPU与主板选择

    CPU与主板是挂钩的,所以放在意思说。影响我们cpu选择的就是gpu的数目。前面提到过一个概念pcie通道数。我们使用一个gpu时,基本不用考虑pcie通道数,目前主流的8带cpu都是没问题的,当然推荐使用i7系列了,因为我们的程序除了使用gpu,很多通用计算是在cpu上进行的,他大大影响了我们程序运行的速度。另外如果是多人使用的工作站还是推荐使用至强系列的e3或者e5,一个是稳定,另一个是一般核心和线程多。多人使用时一定要注意线程数,线程越多,每个人使用时就越流畅。如果是两个那么必须使用i9或者至强系列中通道数足够的芯片。两个以上的推荐使用至强系列的cpu,而且最好是两个cpu, i9应该最多带三个gpu,别太勉强人家了。最后我们一般也都会关注主频,当然主频越高越快,价格也越贵,我认为参考主流i5的主频是个好的基准。这点也为我们选择至强系列芯片提供了参考。关键点,线程,主频,pcie通道数。然后根据cpu原则主板,一般家用芯片我们会选择z系列主板,i7八代配z370,如果是一个gpu其实我觉得好的b系列也没问题,b360之类,因为为了稳定,我们不会超频,所以b系列完全够用。这里注意的就是供电相数,大家可以查一下,因为我也不懂,就觉得数越发越好。多显卡的话,x299等x系列主板,或者其他服务器主板,就是不太好买。对了,多显卡千万不要查那个交火!!!

    3.内存

    CPU和主板支持什么内存就插哪种。主要参数就是类型,ddr4,ddr3这种的表示。频率要看主板支持多大,在主板BIOS设置中要设置才会倍频,要不白买高频率的了。内存大小,当然越大越好!还是那句话看主板支持多大的内存。一般16g一个人用足够,多个人怎么也得32g吧。毕竟matlab有时还是会用到的,内存别太小。一般就是看威刚,金士顿,芝奇,海盗船这几个牌子,芝奇,海盗船用的晶元据说好一些,金士顿也有骇客神条,还是看预算吧,一般不会差太多钱。

    4.散热器

    推荐水冷吧,要是i5什么的风冷就行,服务器主板的话,不太懂,我还是点名海盗船,还有酷冷,九州。

    5.电源

    之前说过注意功率!电源核定功率的80%差不多等于你所有配件的总功率比较好。长城,振华,海韵,海盗船推荐使用,鑫谷,安钛克,先马也还可以。这里有时提到的的金牌,银牌,白金就是转换率的不同。金牌一般就够用了。

    6.机箱

    不是越大越好,风道合理就行,当然还是买全塔式的。选品牌的质量比较好,好吧,其实我一般就买先马的,我感觉便宜。

    6.硬盘

    一般固态和机械都要,固态装系统,机械买监视级别的,放数据用。LINUX的话我一般选择把home挂载到机械盘,乱七八糟的都放自己home里。别买杂牌子吧,颗粒不会太好,使用寿命短。

    目前推荐配置表

    1.单显卡常规推荐

    这个配置整体已经算中等的,CPU这里是盒装价格,也可以考虑散片便宜一点,没什么区别,就是盒装保修三年吧。这里主板我们一般不超频,可以选用B360,具体的可以自己看一下,重点看一下内存条支持的大小和频率,供电相数。内存只能多不能再少,最后我会推荐大家一套更家庭化的低配,内存可以少一点。散热同价位可以选择九州风神的堡垒或者水元素,这两个没用过,也不好说怎么样,贵一些的就是美商海盗船的H100i,115i,150i等。电源这里之前提过推荐使用的牌子都可以入手,预算不够可以买还可以的几个牌子,功率这个算是高的,应该700w就可以,甚至650w也能带,所以我推荐的850w,以稳为主。硬盘可以根据需要调整大小,希捷的硬盘也可以。显卡的话也可以选用新出的2080ti或者泰坦,看预算吧。价格方面这个是我之前在京东看的,淘宝上的天猫旗舰店应该会便宜些,大家还是货比三家再下单。可以省不少钱。

    2.双显卡普通配置

    使用的i9带动双显卡,这里的显卡选用的微星,比较便宜,也可以换成华硕,技嘉等,现在新出了2080ti,这个价格可能已经不准了。两个泰坦的话应该问题也不大,电源能带起来。这里再补充一个服务器CPU的配置

    3.三个及以上显卡

    这种情况我还是推荐大家买品牌服务器,然后和他们沟通去定制。

    这是京东上的一个没有GPU的配置,价格肯定是要贵一些,但是没办法,因微原则上要用到两个CPU,这类主板市场不太好买,洋垃圾很多,所以最好还是找一些代理商直接定制。两个GPU之前大约算个,4.7k左右吧,如果是RTX2080ti就要贵一些,也得50k多,要加双电源。这里参考我之前说的大原则,合理定制配置,这里能省的恐怕就是内存和硬盘的大小,不会省太多钱。最最后,给各位穷鬼提供一个我认为的家用深度学习最低配。血泪省钱史啊。

    4.最低家用深度学习配置

    这里是我的以1050ti为核心的最低配置,最好最低配置一个1060 6g的,会好很多,电源还是能带起来的。内存也可以多插一个8g。要是想更多内存条只能换主板了。主板方面可以选用稍微贵一下的低端z370,可以超频。要换I7的话,还是用水冷稳点。

    最后一句话,有钱的话就随便买,舒心省心。有钱真的可以为所欲为

    2018.11.13补充 :目前看RTX2080ti 性能要好 但是价格也昂贵 ,性价比还是低 。有游戏玩家称他们的显卡有翻车的, 建议预算允许的话 ,观察一段时间再入手 。另外2080和1080ti的话,cuda核数目我没有对比,主要是显存上差距,同样的程序占用的显存在不同显卡上应该是一样的。这点涉及到一些cuda和nvidia的底层调用,我没有查过资料,想入手2080代替1080ti的查一下这部分的资料,否则加大batch size时会出现溢出的现象。

    2018.12.18补充:GTX1080ti新的基本断货,二手的现在很便宜,但是质量不敢保证,有一批之前挖矿的在鱼目混珠。建议用RTX2080代替吧,没办法了,价格比较相近,能上2080ti就上吧。另外最近看了一篇文章,讲了GPU在x8和x16状态下性能影响不大,所以普通的主板其实装两个或以上的GPU也是完全可以的,并不一定要服务器主板。这里还要考虑电源问题。
    内存的大小,至少保持和显存大小一致,频率影响不大。

    展开全文
  • 前言很多深度学习入门者或多或少对计算机的配置需求有一些疑惑。入门的硬性需求是什么,应该买什么样的电脑,什么样的显卡比较适合,自己的笔记本可以使用吗等等问题。这些问题之前我也有很多疑惑,现在总结了下,为...

    前言

    很多深度学习入门者或多或少对计算机的配置需求有一些疑惑。入门的硬性需求是什么,应该买什么样的电脑,什么样的显卡比较适合,自己的笔记本可以使用吗等等问题。这些问题之前我也有很多疑惑,现在总结了下,为大家稍微讲解一下所需要的配置,以及推荐清单。

    正文

    其实配置可以一句话概括:足够即可,你什么样的需求就用什么样的配置。

    下图为海盗船中塔机箱32g内存i7-7800x、512ssd+2T配置,预留四张显卡位。复制代码

    但是我们大多数人会这样想,肯定是配置越高越好,因为人的欲望是无止境的嘛,即使我们可能用不了那么多的显存我们也会想要买买买,所以….唯一限制我们的只有资金了。

    提到资金,首先要了解自己的定位,是学生,本科生研究生,还是工作人员。

    本科生的话,没有学校导师的资助,自己花钱搭配一个深度学习工作站还是比较吃力,可以考虑使用云服务器。如果是研究生或者工作人员的话,利用学校或者公司通过报销来解决。

    显卡

    做深度学习最终要的就是显卡,显卡的选择可谓老生常谈,Nvidia公司在深度学习这块几乎进行了统治。显卡分为专门的计算卡和游戏卡(也可以叫为服务器显卡和消费级显卡)。

    计算卡即英伟达专门对服务器级别提供的高性能支持并行多用户的显卡,比如Tesla V100Tesla P100Tesla P40Tesla M40等,这种显卡一般为大企业使用,比如阿里云、腾讯云和美团云的GPU云服务器就是使用这些显卡。这类显卡有个显著特点:贵。便宜的一张的价格10w多起步。这里我们不进行讨论。

    我们一般讨论的是游戏卡,也就是GeForce系列,例如NVIDIA TITAN VNVIDIA TITAN XGeForce GTX 1080 TiGeForce GTX 1070GeForce GTX 1060。这些显卡就是我们进行深度学习所使用的显卡,单张或多张。

    我这里给的建议是:1060 6g入门、1070 8g比赛、1080ti 11g研究。显卡的显存很重要,比如同样一张显卡1060 6g比1060 3g的优势就很明显,因为显存大了3g,可以跑更深权重更多的神经网络,显卡最好一次性买贵的,之所以给出选择还是钱的问题,另外不建议买泰坦系列,因为性能和1080ti差不多但是贵了很多,性价比不高,当然土豪可以忽视。

    ps:通过这个Nvidia官网查看你的显卡计算能力:developer.nvidia.com/cuda-gpus

    CPU

    cpu一般在这两个系列中选择,是至强系列还是酷睿系列,至强是以E3、E5、E7开头,而酷睿是以i3、i5、i7开头,至强和酷睿最大的区别就是平台不同,至强通常作为服务器芯片,单核频率不高,但处理多任务有优势。而酷睿常常搭载在个人电脑上,单核频率高,可睿频,追求高性能但在多任务处理稍有欠缺。这两款芯片其实也是有交集的,也就是说在挑选的时候没有严格的区别。

    有一点隐晦的指标要注意:

    cpu的PCIE通道不可太低,因为每一张显卡需要16个PCIE通道,如果cpu的PCIE通道小于16那么它和显卡的链接速度就会有影响,显卡的性能就不会完全发挥出来。如果多卡的话cpu的PCIE通道更要高。一般至强系列CPU的PCIe通道普遍比酷睿系列多一些。

    通过这个链接查询CPU相关信息:ark.intel.com/zh-cn#@Proc…

    按照需求挑选,如果你要搭建多人服务器,那么至强系列比较适合你。如果只是一两个人使用,那么酷睿就够了。

    但要注意,CPU的选取和主板选取有着密切关系,这点要提前弄清楚。

    内存

    内存按理说应该为显卡显存的2倍,当然还是是越大越好,因为内存在训练的时候,其任务是将所有数据在GPU和计算机之前腾来腾去。大内存对于提高训练速度有着很大的影响。内存选择和cpu也有着关系,通常服务器内存为ECC内存,ECC内存相比普通内存稳定性高具有纠错能力,通常说就是更适合长时间运行,但是缺点也比较明显,那就是频率普遍不高。

    我们根据CPU的选取来挑内存,至强系列的CPU可以使用ECC内存,且主板也要支持,如果经常会训练48小时以上的话,建议ECC内存,如果训练可以中断,时间不长,那么普通内存就够了,相同价位下速度更快。

    多条内存建议买套条,也就是同一时间同一机器生产的,就和双胞胎一样,有更好的默契,速度更快一些。

    其他

    电源越贵越高,通常瓦数和价钱相当(例如1000w的电源就应该在1000块以上),电源绝对不能省。

    机箱买合适的即可,空间要够,一定要自带足够的散热口,现在市面上大多数的机箱都兼容主流主板,挑选起来不是很困难。

    散热器建议买风冷,贵的风冷,水冷效果也好但总是会担心漏液问题。

    结语

    深度学习对配置的需求较高,但有人会反驳,我的笔记本也可以跑啊,当然是个电脑就能跑,树莓派也能跑,才几百块,但是速度什么的就差的十万八千里了。如果你真的有需求,有项目,没有好的配置是不行的。用笔记本跑是没问题的,但这仅限于跑一些示例,或者刚入门在学习阶段。

    笔记本有好显卡的也可以跑,但要注意散热。

    好了,就说这些,附一张中等配置的清单,显卡根据自个儿需要调整。

    关于没有服务器想要使用云服务器远程调试的,请看我的接下来的一篇文章。

    文章来源于OLDPAN博客,欢迎来访:Oldpan博客

    欢迎关注Oldpan博客公众号,持续酝酿深度学习质量文:


    转载于:https://juejin.im/post/5b612a445188251ac771da31

    展开全文
  • 对于刚接触深度学习的学友而言,可能都会碰到电脑配置的问题,比如显卡型号、内存容量、处理器型号等。好的电脑配置,比如GPU加速的显卡,是能够有效缩短算法的训练时间的,这能让人尽快的看到算法的结果,也便于...

      对于刚接触深度学习的学友而言,可能都会碰到电脑配置的问题,比如显卡型号、内存容量、处理器型号等。好的电脑配置,比如GPU加速的显卡,是能够有效缩短算法的训练时间的,这能让人尽快的看到算法的结果,也便于及时对深度学习参数进行调整。但是,作为一个入门机的深度学习使用者而言,顶配的电脑实在太贵,一款性价比高且稳定的品牌电脑才是最合适的。

    品牌 > 组装

      一般来说,作为入门选手,我自己是愿意买品牌电脑的,一方面是自己对电脑硬件(电脑显卡、CPU、主板、风扇和机箱)等知识的欠缺。另一方面,品牌电脑在稳定性上以及各种硬件性能匹配度上都是有考虑的。所以我自己愿意买品牌电脑,也建议入门学友买品牌电脑。
      但是,如果你是一个对电脑的各种硬件都比较了解的人,而且对它们之间的搭配也有一定的理解,组装电脑也是一个不错的选择。

    GTX1070 > GTX980

      可能大家最关心的是显卡的型号问题,我最主要推荐的是2016年中旬推出的GTX1070,GTX1080 是它的旗舰版。GTX980系列是网上风评比较好的一款显卡,但是,无论是在性能上,还是价钱上,GTX1070都优于GTX980。虽然GTX1080的性能更强劲,但是搭载此款显卡的主机太贵,价钱在15000-20000左右。因此,作为入门级别,还是太贵。
      下表是3款GPU的性能和价钱数据。

    型号 价钱 核心频率 显存 位宽
    GTX1070 3500 1506MHz 8GB GDDR5 256bit
    GTX1080 5500 1607MHz 8GB GDDR5X 256bit
    GTX980 4000 1126MHz 4GB GDDR5 256bit

    注:
    (1)GTX 1070 性能堪比顶级非公980 ti
    (2)GTX1080强于GTX980SLI,甚至比GTXTitanX还要强,大概超过TitanX2成!
    此两句结论来源于百度百科:http://baike.baidu.com/link?url=wfhquG0TzqRamFHdW5L-Lru3wb1R9CGIhIpL0eomqzQ5NCMXL7Cys8YYVTchkNCv4-YEGx1tB-z8hN1lTW9F8meMttLwvwn48dlyzj36gSW
      

      另一方面,既然是入门级别,TITAN和Tesla等型号显卡因为价钱原因不是我要推荐的重点。如下这篇文章里有高配的TITAN和Tesla,以及GTX980的一些介绍,如果有兴趣,可以查阅。

    http://blog.csdn.net/feixue67600/article/details/51772384

    GPU与内存

      既然选择了强大的GPU,那么处理器的性能必须要配套才行,因此,i7才是首选。其次,对于内存而言,16G才是比较合适的选择。

    笔者选用的入门款主机

      综上所述,Dell的XPS 8910-R29N8是笔者所选的主机,加上显示器等配件,总共价格是11777元。其具体参数如下表所示:

    品牌 型号 GPU CPU 内存 价格
    Dell XPS 8910-R29N8 GTX1070 i7-6700 16G 10500

      最后,如果大家的预算在15000-20000左右的话,笔者倾心建议大家使用搭载GTX1080的电脑,其性能的提升能够节省你的训练时间。

    展开全文
  • 随着nvidia RTX光追和DLSS深度学习超级采样技术的推进,现在一些3D设计软件用RTX显卡渲染速度比以前光用CPU要快的多,包括Adobe、Autodesk、Blackmagic Design等众多知名创作软件都开始加入对RTX显卡渲染的支持,先...

    今天我们为大家带来一款专业级的3D动画建模配置单。在我以前推荐的一些关于3D设计渲染的配置中,大都是强调cpu的性能,而这款配置却有所不同。随着nvidia RTX光追和DLSS深度学习超级采样技术的推进,现在一些3D设计软件用RTX显卡渲染速度比以前光用CPU要快的多,包括Adobe、Autodesk、Blackmagic Design等众多知名创作软件都开始加入对RTX显卡渲染的支持,先看配置单,后边再详细为大家介绍。

    aa82c9ee910b929a15b4e4aaf5e0a69e.png
    223ac00970fdc9770df752db02b6f4b0.png

    一、Blender动画建模配置cpu怎么选?

    c7a6b3f51efc6f9f8d8a4d938cb3048b.png

    intel 酷睿i7 10700


    本文就以Blender为参考来为大家详细讲解这套配置,当然该配置不仅限于Blender,包括最新版本的3ds Max和Maya等软件也加入了基于RTX技术开发了GPU渲染器,未来GPU渲染才是主流方向。
    当然,这里我并不是说cpu就完全可以忽视了,因为对于创作者来说所用到的软件可能会有很多种,有的软件也不一定支持RTX OptiX渲染。所以对于专业3D动画建模来说,cpu还是尽可能选择规格更高一些的,比如intel的十代i5以上,或者AMD锐龙R5系列以上。二、Blender动画建模配置显卡怎么选?

    4a446e7bcc4d968c203dcddc7aca2002.png

    技嘉RTX2070 Super WF3OC 8G


    其实在很早之前就已经有基于GPU的CUDA加速,但其效率很低。而如今用RTX 20系列显卡OptiX渲染的话,效率要比用CUDA高很多的,基本是CUDA渲染的两倍效率,就以RTX 2060显卡来说,使用OptiX渲染的时间要比上一代旗舰GTX 1080Ti的CUDA渲染时间少了将近一半。
    那么具体选择什么型号的显卡呢?这当然是要根据你的预算来定了,不差钱的话直接上RTX2080Ti肯定是最好的;不过论性价比的话,RTX2070 SUPER是当仁不让的;如果预算有限,RTX2060相对于那些不带RTX光追的显卡也是很香的,要知道现在一张二手的1080ti还得3000块左右呢。三、其它配件
    确定好了cpu和显卡,其它配件的选择就容易的多了。
    主板根据cpu而定,比如我们这套配置选用的cpu是i7-10700,并不支持超频,所以搭配B460系列的主板就可以,当然你也可以搭配更高规格的Z490主板,具体可以参考这篇文章《如何自己组装电脑配置清单》
    内存一般16G起步,建议32G,具体要根据你平时所做的模型工程量来决定。预算宽裕的话直接上32G,也可以先用16G,以后再慢慢加(本文推荐的这款配置主板有4个内存插槽,单个插槽最大支持16G内存,4个插槽就是64G)。
    硬盘首选NVME固态作为主盘,用来安装操作系统以及常用的软件。然后再加一块机械硬盘,用来做仓储盘。具体选多大容量的根据自己的需求来定。
    电源功率根据你所用的平台来选择,具体可以参考这篇文章《电脑电源功率怎么计算?电源功率怎么选?》四、注意事项
    想要在Blender使用RTX OptiX渲染的话,需要把软件更新到2.83或更高版本,软件一般就会默认完成设置,也可以手动在软件的编辑-偏好设置-系统,选择OptiX,另外需要注意的,渲染引擎要选择Cycles,因为这个才是支持NVIDA OptiX技术的。总结:专业3d动画建模需要什么配置 运行Blender的电脑配置推荐
    对于Blender这类支持RTX OptiX渲染的软件而言,配置的重点自然是在显卡方面,利用RTX 显卡的GPU Compute渲染引擎,可以快速把模型的材质,光照、以及反光效果给渲染出来,即使在场景的三维空间拖动模型,让观看视角改变,GPU渲染的响应也非常快速,只需等一阵子就完成初步渲染,几乎能做到实时的预览,而换到CPU模式下,引擎的渲染速度就变得非常缓慢,需要耗费数分钟的时间才能看到大致的模型外貌。
    虽然现在还有一部分软件不支持RTX OptiX渲染,不过随着产品的更新迭代,越来越多的设计软件都将会加入对RTX OptiX渲染的支持,所以如果你现在打算装一台3d动画建模的机器的话,一颗高性能的cpu+RTX系列显卡才是正确的打开方式。

    展开全文
  • 在Windows10下配置深度学习环境(tensorflow-gpu + CUDA & CUDNN) 本文的基础建立在DUT汽院515教研室的师兄的教程之上,由本人总结更新,希望能帮到更多人,十分感谢师兄们的付出。 CUDA的配置 请参考本人的另...
  • 最近,一直在自学深度学习。一边学习理论,一遍学习编程。在做CNN的时候,手头的笔记本电脑就吃不消了,运行的速度明显跟不上。本来想买一台带好点的显卡,可是调研了一下,带NVIDIA 1080的差不多要1万左右,更不用...
  • 熟悉经典深度学习模型的原理和代码实现(考虑到内容太多,这里选择了部分模型进行组队学习)。 环境配置 Tensorflow2.x 如果自己电脑可以装tf2.x,也可以在自己的电脑上完成代码实战 学习计划 任务00:熟悉规则(1天...
  • 之前编写Python程序时用的IDE不是Pycharm,那时用实验室的电脑配置Eclipse+pydev用了一段时间,当时配置得也是头疼,不过用着感觉还是不错的。不过后面听师兄和同学们推荐说Pycharm用起来更爽,刚好换了台新电脑,就...
  • 依赖安装 Ubuntu18.04默认安装了gcc v7,而cuda-9.0依赖gcc v6,通过下面命令安装: ...打开【软件和更新】,选择【附加驱动】,然后选择想要使用的驱动版本,然后点击【应用更改】,重启电脑后即可。 ...
  • 单纯学Python的话普通电脑就ok了,机器学习几大基础算法都ok,学深度学习的话台式无脑上1080ti或者泰坦xp,其他配置留下升级空间。笔记本的话要强劲点的,最好带固态硬盘,支持16G内存或以上,带有英伟达1060以上的...
  • 由于本人大四毕业论文是关于深度学习,因此接触了caffe框架,但是因为自己电脑是windows平台,所以想在windows平台上配置,网上有很多windows caffe的版本,本人试了很多个版本,推荐使用微软的官方caffe版本,地址...
  • 我的深度学习工作环境向读者介绍我的工作环境,包括使用的电脑、各种配置、安装的软件、使用的语言等。文章的目的是大而全,因此工具一般只是简单的介绍,更多内容我一般都会推荐几个链接,想要深度了解的读者可以...
  • 如果你学会深度学习,您可以使用1080 ti或泰坦XP桌面没有大脑。其他配置离开房间升级。对于一个笔记本,它应该更强大。最好带一个固态硬盘,支持16 g内存或以上,英伟达的显卡1060或更多。当然,如果你有条件,mac建议,和...
  • 本文旨在为有从事深度学习研究的同学提供一份装机攻略,望对您有帮助。 1 前言 目前“新基建”热潮,人工智能如火如荼,国内大部分院校、企业都会为学生、员工配置实验集群,但是有时候想在本地自己跑些demo,可能...
  • 点上方蓝字计算机视觉联盟获取更多干货在右上方···设为星标★,与你不见不散仅作学术分享,不代表本公众号立场,侵权联系删除转载于:机器之心AI博士笔记系列推荐周志华《机器学习》手推笔...
  • 安装ubuntu前,电脑基本配置是: WIN10; GeForce GTX 1650; i7-9750H CPU; 7.6 GiB; 512.1 GB SSD ; 2 方式 推荐跟着视频一步步地进行操作,亲测有效。 视频教程链接:【ubuntu20.04】10分钟win10安装ubuntu...
  • 首先看看笔记本电脑使用需求:1、办公学习。对电脑性能要求不高,普通笔记本电脑就可以满足需要。2、Python。如果你用Python进行的是普通的编程...人工智能深度学习电脑的要求可以去到工作站的级别。对于将Python用...
  • 由于电脑配置比较老了,原来装的是windows系统,安装的Ubuntu虚拟机比较慢,所以只好在windows下来安装环境了。使用默认的anaconda源经常会出现CondaHTTPError以及无法创建虚拟环境的问题,需要把anaconda源改为国内...
  • 同大头一起学习深度学习,他推荐采用环境Anaconda+PyCharm Anaconda Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。 下载Anaconda 官方下载链接: ...
  • 安装segmap工程比较难搞定的是tensorflow部分,因为之前没有接触过深度学习相关内容,电脑也没有配置过相应环境,tensorflow装了几次才完全弄好。其中一次安装的时候不小心死机了只能强制关机,结果电脑显卡崩了重装...
  • Dragonfly软件电脑环境

    2020-07-08 11:19:21
    * 如需使用深度学习模块,CPU须支持AVX/AVX2 2. 关于内存: 取决于数据集大小,通常笔记本至少16G以上,台式机至少32G以上。 多数情况下64G内存可以满足各领域工作需要,但仍然取决于具体任务和应用。 简单讲...
  • 推荐指数:★★★★ 总想尝试新的东西,新的python,那么掉坑是必然的,所以在以后的学习python中专门有一个报错如何解决问题,是不是呀?...1.deepin-linux操作系统+华为笔记本电脑配置系统自带python2.7和pyt...
  • 其二、技术层次深:如果期望进入IT服务或者产品公司(类似毕博、DELL、IBM等),Oracle技术能够帮助提高就业的深度。 其三、职业方向多:Oracle数据库管理方向、Oracle开发及系统架构方向、Oracle数据建模数据仓库等...
  • Unity+ML-Agents训练机械臂到达目标点

    千次阅读 热门讨论 2018-12-13 16:20:04
    Unity+ML-Agents训练机械臂到达目标点欢迎使用...然后还需要在你的电脑配置Tensorflow,因为以前跑过一些深度学习的东西,Tensorflow已经配置好了,还没有装的小伙伴可以参考这篇教程,推荐使用Anaconda进行安装...
  • 2020-09-24

    2020-09-24 10:49:45
    背景:本人由于本地电脑(1080单卡)配置不够,后面便在服务器上部署环境进行深度学习的训练,目前是租了两台2080在用,跑的是语义分割模型。 前期准备: 要使用云服务器必须要有能进行传输文件和代码操作的软件,...
  • 硬件配置:处理器I7,内存16G,独立显卡...目标:在Win10基础上安装Ubuntu双系统,并在Ubuntu中搭建深度学习开发环境 如果不使用显卡(GPU),配置好的电脑可以装虚拟机,虚拟机更方便安全。但是虚拟机中不能使用wi...
  • 通过百度飞桨深度学习平台赋能量子计算,量桨为领域内的科研人员以及开发者便捷地开发量子人工智能的应用提供了强有力的支撑,同时也为广大量子计算爱好者提供了一条可行的学习途径。 特色 易用性 高效搭建量子...
  • 允许免费用于学习、毕设等。 代码文件需保留相关license信息。 禁止直接将本项目挂淘宝等商业平台出售。 禁止基于本项目直接进行商业项目和获利的相关行为。 非界面代码50%以上相似度的二次开源,二次开源需先联系...

空空如也

空空如也

1 2
收藏数 36
精华内容 14
关键字:

深度学习电脑配置推荐