Si está haciendo algo que no sea aprendizaje profundo, cualquier computadora normal estará bien y es posible que ni siquiera necesite una GPU.
De lo contrario, para una tarea estándar como entrenar una red neuronal profunda (por ejemplo, Inception-Resnet-v2), estas son las piezas más importantes. Supongo que estás construyendo una PC desde cero.
- GPU con mucha memoria. P100 si tiene un centro de datos o la serie GeForce 10 (por ejemplo, GTX 1080 Ti, GTX1080). La serie GeForce 900 (por ejemplo, GTX 970) también es bastante adecuada para casos de uso razonable.
- Una CPU rápida, por ejemplo, Intel i7
- Cantidad razonable de RAM. Aproximadamente 8 GB deberían ser suficientes, siempre puede agregar más fácilmente a una placa base.
- Si overclockea su GPU para obtener un rendimiento adicional, no escatime en refrigeración y fuente de alimentación. Es posible que desee considerar un chasis al aire libre o una configuración más elegante refrigerada por líquido.
- Mucha gente dice que tener un SSD es importante, para una E / S rápida con sus grandes conjuntos de datos, pero no es realmente necesario si tiene datos almacenados de manera eficiente (por ejemplo, leer archivos TFRecord en TensorFlow, que están optimizados para secuencial acceso de lectura). Si está utilizando TensorFlow, también puede utilizar colas de captación previa para almacenar sus datos en la RAM con un hilo de CPU antes de que necesite alimentar la GPU. Esto debería lograr el mismo costo amortizado (¡tal vez más rápido!) Que leer directamente desde SSD con Python.
Esto equivale aproximadamente a un costo de ~ $ 1300, que es bastante considerable si solo está entrando en Deep Learning. Considere hacer su investigación inicial completamente en la CPU (más que adecuada para pequeños conjuntos de datos y tareas simples de RL), o alquilar algunas instancias de GPU AWS / Google Cloud para ver si es algo en lo que realmente quiera invertir a largo plazo.
- ¿Cuál es la mejor técnica de aprendizaje automático para clasificar ~ 50,000 imágenes sin etiquetar (2-3% de ruido) en 3 clases diferentes?
- ¿Cómo son útiles las redes neuronales convolucionales para las empresas e industrias normales?
- ¿Qué temas se deben aprender bajo ciencia de datos?
- ¿Cómo se compara Scikit Learn con R (en términos de velocidad, conveniencia y potencia)?
- ¿Cuál es una metodología sólida para abordar un problema de regresión?