专栏名称: 机器学习研究会

机器学习研究会是北京大学大数据与机器学习创新中心旗下的学生组织，旨在构建一个机器学习从事者交流的平台。除了及时分享领域资讯外，协会还会举办各种业界巨头/学术神牛讲座、学术大牛沙龙分享会、real data 创新竞赛等活动。

李沐：一起“剁手”之GPU购买指南

机器学习研究会 · 公众号 · AI · 2017-09-20 22:00

正文

深度学习训练通常需要大量的计算资源。GPU目前是深度学习最常使用的计算加速硬件。相对于CPU来说，GPU更便宜（达到同样的计算能力GPU一般便宜10倍），而且计算更加密集（一台服务器可以搭配8块或者16块GPU）。因此GPU数量通常是衡量深度学习计算能力的一个标准，同时Nvidia的创始人Jensen Huang也被人称深度学习教父。

Nvidia CEO黄教主和他的战术核武器

本文我们简要介绍GPU的购买须知。这里主要针对个人用户购买一两台自用的GPU服务器。而不是针对需要购买：

100+台机器的大公司用户。请咨询专业数据中心维护人员，通常你们会考虑Nvidia Tesla P100或者V100。你可以完全跳过此节。
10+台机器的实验室和中小公司用户：不缺钱可以上Nvidia DGX-1，不然可以考虑购买如Supermicro之类性价比较高的服务器。此节的一些内容可以做为参考。

选择GPU

目前独立GPU主要有AMD和Nvidia两家厂商。其中Nvidia由于深度学习布局较早，深度学习框架支持更好，因此目前主要会选择Nvidia的卡。

Nvidia卡有面向个人用户（例如GTX系列）和企业用户（例如Tesla系列）两种。企业用户卡通常使用被动散热和增加了内存校验从而更加适合数据中心。但计算能力上两者相当。企业卡通常要贵上10倍，因此个人用户通常选用GTX系列。

Nvidia一般每一两年会更新一次大版本，例如目前最新的是1000系列。每个系列里面会有数个不同型号，对应不同的性能。

GPU的性能主要由下面三个主要参数构成：