两个星期前组了一台新机 来跑跑 Deep Learning, 在预算有限的情况下就先挑了 i5 8600K + 1080ti + 16GB, 个人感想如下: 1. tensorflow cpu/gpu 可以 自行 configure/build, 比起老鲁十多年前自行 cross-build mips/arm Linux kernel 2.4 /glibc-2.x 实在方便太多. 不过 tensorflow 1.5 rc0 编译时有些要注意之处文末会提. 2. 如果您预算有限, 我会建议 AMD R5 1600X 应该就够用, 然後把钱省下来升级 显卡. 以 tf rc0 为例, 我跑一个 epoach, cpu vs gpu 为 30 minutes vs 2~3 minutes. 然後我试图同时跑两个 Graph (其实也不大, 大概 4 层 hidden layers, 每层最多 1024 ~ 2048 nodes), TF 就会抱怨 I Tensorflow Memory Chunk 资源不够. 所以建议就是升级显卡, 然後选大记忆体. 3. 因为老鲁怕吵, 所以特选 FD R5 静音机壳. 不过还是没办法满足我挑惕的耳朵, 依然会有低频音, 随便的测试一下, 大概是电源供应器的噪音吧 (我是挑 Seasonic 650W 那款, 其实也蛮贵的了), 所以如果预算有限, 而且也怕吵的, 我是觉得机壳挑 CM 静音款 应该也没差了, 反正电源供应器/电流噪音也是跑不掉的. 4. 小弟上述机子是在 高价屋买的, 组装可以请员工帮忙理线, 服务还算不错. 不过 FD R5 机壳後面的螺丝没给我锁好, 好像一根佬屌晃呀晃的, 後来回家後重新 把四个罗斯卸下重新找不同的洞给他插入所好, 就很紧了. 听说 FD R5 有公差问题是吧? 补充: modify your bazel build command as follows: bazel build --config=mkl --config=opt --config=cuda --action_env="LD_LIBRARY_PATH=${LD_LIBRARY_PATH}" //tensorflow/tools/pip_package:build_pip_package and using pip install --ignore-installed tensorflow-1.5.0rc0-cp36-cp36m-linux_x86_64.whl if you have already installed tf on your machine. Creating a virtualenv before installing the self-build TF is highly recommended. 最後, 当你第一次启动 TF 1.5 rc0 时, 大概会遇到 找不到 mkl library 的问题 (因为我 build 的时候选择 既要支持 gpu, 又要支持 intel mkl 指令) 解法如下: git clone https://github.com/01org/mkl-dnn.git cd mkl-dnn/scripts && ./prepare_mkl.sh && cd .. mkdir -p build && cd build && cmake .. && make sudo make install echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib' >> ~/.bashrc 记得重新 source ~/.bashrc 再去启动 python 呀. ※ 引述《geminitw (geminitw)》之铭言： : 不好意思自己回复一下, 後来还是接受电虾版网友的建议就去 : 买了 i5 8600K + 1080ti, 因为老鲁很怕吵, : 还买了 FD R5 静音机壳 基本上大概 50K 出头 (16G RAM + 256G 545 SSD etc) --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.168.74.239 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/PC_Shopping/M.1515718363.A.E68.html ※ 编辑: geminitw (118.168.74.239), 01/12/2018 08:55:58 ※ 编辑: geminitw (118.168.74.239), 01/12/2018 08:57:53 ※ 编辑: geminitw (118.168.74.239), 01/12/2018 08:58:24