深度学习硬件

Question

我有几个关于深入学习项目硬件的问题，我打算在神经网络中使用pyTorch。

我正在考虑购买一台z390上的第8代CPU (我将在第9代CPU可用后等待一个月的价格下降)，所以我仍然可以得到一个更便宜的CPU，可以在以后升级。

问题1) CPU核心会有益于获得最新的英特尔芯片是否值得额外的核心，如果CPU上的核心将是有帮助的，我应该去AMD吗？

我也在考虑得到一个1080 to，然后，后来，一旦我更熟练地增加两个额外的2080 to，我会去更多，但这是很难找到一个板适合4。

问题2)混合GPU的效果并行处理，我应该只是得到一个2080‘s，然后再买另一个2。这个问题的B部分对车道速度很重要，如果你使用一个以上的话，我是否应该花更多的钱在一个不减慢PCIe插槽的板上。

问题3)更多的RAM? 32 RAM似乎足够了。因此，2x16gb与一个板，可以有4个插槽高达64 to。

Answer 1

在运行多个GPU时，问题还在于可用的PCIe车道数。如果你可以去多达4个GPU，我会去为64 PCIe车道的AMD线程。

对于一般情况下的机器学习，核心和线程计数是非常重要的，因此TR仍然是一个很好的选择，当然取决于预算。

很少有人提到在每个GPU上运行一个实例可能更有趣，如果这样做，丢失GPU并不是一个问题。

32GB的内存看起来不错，如果你的CPU不支持四通道的话，不需要使用4支。