2023年下半年，為了雙路GPU及雙X8最低要求我這麼配置深度學習的個人主機是否有改進空間

1樓：Zhang Wang

CPU可以考慮i7-9800X, +1000;

電源900w應該夠的，-400；

硬碟建議去掉機械硬碟，直接換乙個大一點的固態。

2樓：xkszltl

記憶體和ssd嚴重不足，記憶體至少64G不能再低了（你這配置小如視訊記憶體怎麼用……），SSD不到1T你dataset都放不下，電源可以不要賊船的稍微能省一點出來，不夠的部分去顯示卡裡摳，降一檔，你目前的配置也拉不動雙路2080

3樓：FM21

有這個預算買個志強E5v4入門型號的612平台或者志強銅牌（B）入門型號621平台都可以雙X16，然後還有通道走原生Nvme，雙卡之間加個Nvlink的50GB版橋接器也可以

4樓：

我對高階配置不太懂，自家用的就是I5-9600和撿的便宜的960。。。

說下自己的感受吧，960的對TF-GPU的支援已經很不錯了。很多的計算都能放到GPU上進行計算。目前限制計算速度的主要因素，除了硬體的效能外，還有很大的一部分時間浪費在了CPU和GPU之間的互動上。

對於深度學習大量的並行運算，cuDNN構建的架構雖然能很好的幫助CPU解決計算的問題。但如果真的計算量不是特別大的情況下，通過GPU進行計算的並不會比CPU快多少。（取決於程式構建的執行方法和運算量）

至於你提到的上面的這個配置，個人憑感覺，對深度學習的提公升有點殺雞用牛刀的感覺。