如今，越来越成熟的深度学习技术越来越受到市场的青睐。与此同时，数据集不断扩展，计算模型和网络变得越来越复杂，对硬件设备的要求也越来越高。如何在有限的预算下最大限度地提高系统的整体计算性能和数据传输能力已成为系统面临的一个重要问题。

许多人认为深度学习GPU服务器的配置不同于普通服务器，正如许多人认为设计机器一定很昂贵一样。事实上，只要GPU或CPU满足深度学习的应用，深度学习是可能的。与深度学习相比，CPU内核数量和架构效率远低于GPU，因此大多数深度学习服务器都通过高端GPU运行。

以下是关于如何选择深度学习GPU服务器和DIY深度学习主机的一些原则和建议；

1.购电源：

稳定，稳定，稳定。良好的电源可以确保主机可以长时间运行，而无需关闭或重新启动。可以想象，如果计算过程突然重新启动，则必须重新启动。除了降低效率，它还会影响你的情绪。在低负载下使用时，某些电源可能不会导致问题。一旦在高负载下运行，它们很容易出现问题。选择电源时，请务必选择冗余、高质量的电源。不要超过能量一点。

2.购买GPU：

GPU在深度学习中发挥着重要作用，也是预算的一大部分。在预算有限的情况下，您可以选择家庭游戏GPU，如rtx2080/rtx208oti。预期足够地您可以选择专业深度学习卡塔坦RTX/Tesla V100等。（https://www.server028.com/）

3.购买中央处理器：

单通道和双通道的选择也取决于软件。使用纯GPU操作。事实上，中央处理器上的负载并不大。考虑到多用途，当然CPU也不能太差。您可以使用主流的高性能多核多线程cpu。例如：i9-9900k/i9-9900x/双向单向E5。

4.内存购买：

内存从32g开始，您可以扩展内存，只要您使用足够的内存。如果还不够，可以稍后添加。买更多的东西是浪费。

5.购买固态驱动器：

对于固态，选择大品牌企业的级别。nvme和SATA协议之间几乎没有区别。不要考虑杂乱的固体。突然间，它不起作用了。

6.硬盘采购：

为方便升级预留足够的空间，例如现在使用单个GPU，将来添加GPU；结构应合理，合理的空间更有利于空气流通。最好增加几个散热效果好的机箱风扇，以辅助散热。温度也是导致不稳定的一个因素。

品牌GPU四川浪潮服务器服务可能更好，但匹配不是很灵活。保费相对较高。当然，有些可以定制。我不想在这里讨论原理与上述类似。