2023 年购买深度学习服务器配置的建议
最编程
2024-04-02 20:14:41
...
1、首先确定是放机房机柜,还是放办公室用?
机柜选机架式,办公室选塔式(大家也喜欢说工作站)塔式比较安静,如果用GPU运算受卡数限制,4卡以内可以,液冷更静音。
2、看做什么用途,用CPU计算,还是GPU计算为主,或者是两者兼顾;
如第一性原理,生信计算等多数不用考虑GPU,但对CPU要求高,内存要求大,建议高核,大内存,如果追求性价比的话,可以选AMD的CPU。
CPU两强第四代服务器处理器可以考虑
如做深度学习、机器学习、计算机视觉、医学图像、模拟仿真等主要强调GPU运算能力,存储空间要求往往很大,可以配置多块大空间硬盘,系统盘用SSD、存储用机械盘。
3、电源机箱选择;
电源尽量选择冗余的,电源瓦数大于总功耗30%为宜;
机箱宁选4U,不选2U,空间大对散热有力。
GPU的选择:
用的比较多是英伟达的RTX3090,现在是4090,
40系列相对性价比高,运算能力也不弱;
具体考虑 :单双精度计算要求、显存、价格,参数看图
专注高性能科学计算服务器,欢迎互动交流.......
上一篇: 廉价家庭工作站解决方案:前传
下一篇: 建议的图形工作站计算机配置
推荐阅读
-
2023 年购买深度学习服务器配置的建议
-
2019 年最快最全的深度学习训练/GPU 服务器硬件配置推荐
-
2019年最快最全的深度学习训练硬件配置推荐
-
DeepShip-它由四个类别的265艘不同船只的47小时4分钟的真实世界水下录音组成。建议的数据集包括全年不同海况和噪音水平的记录。所提供的数据集不仅有助于评估现有算法的性能,而且还将使研究团体在未来受益。使用提出的数据集,我们还对六种基于时频提取特征的各种机器学习和深度学习算法进行了全面研究。此外,我们提出了一种新的基于可分离卷积的自编码器网络,以提高分类精度。对比分类准确率、精密度、查全率、fl-score等方面的实验结果,并进行配对抽样统计测试,结果表明,基于CQT特征的网络分类准确率达到77.53%,优于其他方法。 1.Introduction 近年来,由于水声分类在海洋船舶分类和探测、测量这些船舶的声音对环境的影响、退出船设计和海洋生物分类等方面的应用,引起了广泛的关注(Erbe et al., 2019;Malfante, Mars, Dalla Mura, & Gervaise, 2018)。复杂的水下环境、背景噪声、声音数据的频率依赖性吸收和散射等因素使其成为一个具有挑战性的领域(Erbe et al., 2019)。此外,螺旋桨、发动机和隐形船体技术的改进使该领域更具挑战性(Khishe &摩萨维,2020 年)。