这是一份超详细的装机指南，结合了最新的硬件产品，告诉你从CPU、GPU、内存条到外设这些都应该怎么选。
GPU
先来说GPU，在深度学习中，它甚至比CPU更重要，Ci妹就先来讲怎么挑选GPU。选择GPU的标准有三条：显存、散热、性价比。
显存(GPU RAM)是不可忽视的部分。RTX比GTX系列显卡在显存方面更具优势，在显存相同的情况下，RTX能够训练两倍大的模型。一般来说，对显存的要求是这样：
如果想在研究中追求最高成绩：显存>=11 GB;
在研究中搜寻有趣新架构：显存>=8 GB;
其他研究：8GB;
Kaggle竞赛：4~8GB;
创业公司：8GB(取决于具体应用的模型大小)
公司：打造原型8GB，训练不小于11GB
这里需要提醒下，如果你买了多个RTX显卡，不要忽略散热问题。因为在两个显卡堆叠在相邻PCI-e插槽，很容易导致GPU过热降频，使得性能下降，这个后面会讲到。
性价比方面，选择16bit的RTX 2070或者RTX 2080 Ti性价比更高。或者在京东上购买二手的32bit GTX 1070、GTX 1080或者1080 Ti也是不错的选择。
内存
来考考大家，选择内存时，时钟频率和容量这两个参数哪个更重要?答案是：...内存
其实时钟频率是厂商炒作内存的主要手段。他们宣称时钟频率越快越好，但时钟频率和数据转移到显存的速度无关，提高时钟频率最多只能带来3%的性能提升。
内存的大小不会影响性能，但会影响执行GPU代码的效率。因为内存容量大一点，GPU就可以不经过磁盘，直接和GPU进行数据交换。所以，大家应该配备和GPU显存匹配的内存容量。
比如：一个24GB显存的Titan RTX，应该至少有24GB的内存。但假设有更多的GPU，这时则不一定需要更多内存。
CPU
说到CPU，过分关注CPU的性能和PCIe通道数量，是不少人常犯的错误。大家更应该关注的是CPU和主板组合下支持同时运行的GPU数量。
CPU和PCIe
不少人对PCIe通道有很强的执念，但它对深度学习性能几乎没有影响。如果只有一个GPU，那PCIe通道的作用就是把数据快速地从内存运输到显存。
比如：ImageNet里的32张图像(32x225x225x3)在16x上传输需要1.1毫秒，在8x上需要2.3毫秒，在4x上需要4.5毫秒。这是理论得出的数字，而实际的速度只有一半。PCIe通道通常具有纳秒级别的延迟，可以忽略。
我们用32张ImageNet图像的mini-batch进行了测试，训练ResNet-152模型所需要的传输时间：前向和后向传输：216毫秒
16X PCIe CPU-> GPU传输：大约2毫秒(理论上为1.1毫秒)
8X PCIe CPU-> GPU传输：大约5毫秒(2.3毫秒)
4X PCIe CPU-> GPU传输：大约9毫秒(4.5毫秒)
可以得出结论，如果使用单个GPU，请不要在PCIe通道上白浪费钱。在选择CPU和主板PCIe通道时，要确保我们选择的组合能支持我们想要的GPU数量。比如Ci妹买了支持2个GPU的主板，并且想用上2个GPU，那我就要买支持2个GPU的CPU，但不一定要看PCIe通道数量。
PCIe通道和多GPU并行计算
如果在如果在多个GPU上训练网络，那PCIe通道是否重要呢?
这个问题是这样的，如果GPU的数量小于4，那就不需要在意PCIe通道。实际中，很少有人会同时运行超过4个GPU，所以Ci妹友情提示：大家不要在PCIe通道上花冤枉钱。这不重要!
CPU核心数
选择CPU，先要了解CPU和深度学习的关系。那CPU在深度学习中究竟起什么作用?
在CPU上运行深度网络时，CPU几乎不会进行任何计算。它的主要作用有：1、启动GPU运算。2、执行CPU函数。
目前CPU最有用的应用就是数据预处理，有两种不同的通用数据处理策略，具有不同的CPU需求。第一种是在训练时进行预处理，第二种是在训练之前进行预处理。
针对第一种，高性能的多核CPU能明显提高效率。建议每个GPU至少4个线程，即为每个GPU分配两个CPU核心。 Ci妹认为，每为GPU增加一个核心 ，应该能获得大概0-5%的额外性能提升。对于第二种，不需要非常好的CPU，建议每个GPU至少有2个线程，即为每个GPU分配一个CPU核心。采用这种策略，再多内核也不会让性能显著提升。
CPU时钟频率
提个问题：是否4GHz的CPU性能会比3.5GHz的强?在相同架构处理器的比较中，一般认为是对的。但在不同架构处理器之间，就不能拿频率进行简单的比较了。CPU时钟频率并不总是衡量性能的最佳标准。
在深度学习情况下，CPU仅参加很少的计算，比如增加一些变量，评估一些布尔表达式，或在GPU或程序内进行一些函数调用，这些取决于CPU核心时钟频率。
虽然以上说法看着很对，但在运行深度学习程序时，CPU仍有100%的使用率，那到底是哪里出了问题?我们做了些CPU的降频实验来找到答案。
CPU降频对性能的影响：
注意下，以上实验是在“远古”CPU(2012年推出的第三代酷睿处理器)上进行的，但对于最近推出的CPU仍然是符合的。