如何配置一台适用于深度学习的工作站？

最近给团队来了一个三卡2080Ti、双CPU、512GB内存的训练机，大概46000左右。配置单如下，详细见如何配置一台5W左右的深度学习工作站？。

======= 03/09/2019 的分割线和更新 =======

挺感慨的。上次写这个问题的答案还是在快2年前（2017年）。现在（2019年）2年过去了，人也从美国搬回了北京，C'est la vie...

好了不偏题。再重申一遍，主要就还是以下几点：

基于上面的回复，有篇好文章（Roison An：洋垃圾工作站 惠普 HP Z420 Z620 装机经验记录，你想知道的都在这里），这里主要有几个有意思的点，平时大家不太会注意到的：

最后，我做了一个偏重型工作站的配置（时间02/04/2019），以供大家参考：

这个配置有以下几个特点：

从能耗比上看，Kepler到Maxwell基本上是个渐进式的变化，越往高端走改进越不明显。这也从一个侧面说明了为啥在Maxwell的时代有人还用着老Kepler Titan“再战几年”。新的Pascal架构甩了上两代几条街，在能耗比上完全碾压。有人会问——我在实验室电费不要钱，是不是就可以用旧架构了？完全不是。第一，除去Titan Z这样的2合1怪物以外，前两代的单卡性能被从GTX 1070到Titan Xp全线碾压，而每个工作站上能插的PCI-E通路数量是有限的。第二，电源的功率输出是有限的；在同等算力下老架构需要更多电力，因此如果是洋垃圾或者自组平台的极端情况（4槽全满）下，电源根本没法提供这样的功率输出。

从价格上看，常常有一些小伙伴猜测，在同等算力的情况下，上一代产品或许会更便宜。很不幸，上图反驳了这种观点。本图中的价格（横轴，取了log以方便显示）来自于eBay上二手卖家的出价，或者 http://Jet.com (一个奇葩购物网站) 上的新品折扣价格。可以明显地看出，在同等算力的情况下新一代Pascal架构产品的二手价格要低于老架构产品的二手价格。

另外，在上图中没有显示的是，新架构的产品往往具有更大的显存容量，例如GTX 1060有6G显存，GTX 980有4G显存，而GTX 780 Ti/GTX Titan分别提供了3G和6G的显存。最后，新架构的产品支持更新的CUDA功能集以及GPU加速库版本，从而也会获得另一些额外的性能提升。因此在不同GPU架构间，无脑选Pascal。

关于量力而行

前两图中的直线（第二张图因为横轴是log scale所以有变形）是对于各点的线性拟合。可以看出无论是功耗还是定价，它们基本上都和计算能力保持了线性相关。这也就意味着老黄的刀砍得非常的准，除了Titan这类高端货外完全是一分钱一分货，不大存在捡便宜的可能。另外，在GPU的世界里投资折旧率很高（看看这三代GPU就知道了），因此有多大的需要就弄多大的卡吧。如果是严肃的科研工作者建议还是上大一些的卡，毕竟在现在多机分布式训练扩展性做得还不大好的时候，什么也比不过在一个卡上算起来快。

关于电源

电源是最容易被忽视的一个问题！很多小伙伴常常是满心欢喜地把大把显卡、CPU装好，然后发现——电源过载了。而最蛋疼的是一般工作站主机的电源是最高1600w到头，也就是将将撑住4块250w不超频的显卡。关于电源功率的计算我推荐 OuterVision Power Supply Calculator。它的Expert模式极其强大。

说回到Z420/Z620上的电源，Z420上搭配的是台湾台达电子生产的DPS-600UB A电源，这里（DPS-600UB A - Plug Load Solutions）有它的介绍。不得不说工作站上的电源就是扎实，不虚标且稳定。

总结

最后，总结一下整个配置。

希望对你有帮助。