我如何配置自己的第一个深度学习+数据科学工作站？
全文共4129字，预计学习时长11分钟
图源：unsplash
配置自己的工作站是我一直以来梦寐以求的事情。我倒是知道该如何配置，但却迟迟没有尝试，无非是因为没钱或没时间，主要是没钱。
但终于到了事在必行的时刻了。我受够了在亚马逊云服务（AWS）上为小型个人项目设置服务器，进行繁琐的安装操作，又或是不得不使用对运行时间和网络连接有诸多限制的Google Collab notebooks。因此，在英伟达显卡（NVIDIA）客服的帮助下，我花了点时间构建了一个深度学习装置。
整个过程包括仔细阅读不少相关材料，并在Youtube上观看大量莱纳斯科技贴士（LinusTech Tips）的视频。这是我第一次从头组装电脑，算是种特别体验。按照需求配备DL（深度学习）装置需要进行大量研究。我对各个部分进行了研究，涉及性能、评价，甚至美学。
目前，我研究的大多数工作站配置都是为了打游戏，所以我决定制定一个《深度学习装置准则》。我将在其中提及所有使用过的组件以及使用这些特定部分的原因。
如果觉得自己组装过于昂贵和复杂，Exxact提供了一系列不错的深度学习工作站和服务器，起价5899美元，带有英特尔酷睿（Intel Core）i9芯片，多个英伟达 RTX 2080 Ti 绘图处理器（GPU），3年保修期和深度学习软件栈。
此外，如果想了解在应用Ubuntu 18.04为操作系统后应如何设置深度学习库，可以查看深度学习工作站设置权威指南：https://towardsdatascience.com/a-definitive-guide-for-setting-up-a-deep-learning-workstation-with-ubuntu-18-04-5459d70e19c3。
为何依旧需要工作站？
我脑海中浮现的第一个答案是：为什么不需要？
我在深度学习及机器改进应用程序上耗费了很多精力，每开始一个新项目，都要构建一个新服务器并安装所有相关组件，这一直是个大难题。更何况，它外型美观，可以随时在桌面上打开使用，还能根据你的要求进行个性化配置。再加上使用GCP或AWS所带来的成本问题，我很赞同自己配备装置。
我的家用设备
我的配置
我花了几周的时间完成最终配置。
从一开始，我就明确了这需要强大的运算能力，还得在未来几年内对其进行升级。目前，我的首要任务是获得支持NVLink的英伟达 RTX 泰坦（Titan）双卡系统。这样我就可以拥有48GB的GPU内存，这太棒了！
以下配置可能不是最好的，也可能存在更便宜的替代方案，但毋庸置疑，它能让你以后更省心，所以我照做了。我联系了英伟达公司，得到了不少有关这个特殊配置的建议，在得到肯定后才开始后续步骤。
1.英特尔i9 9920x 3.5 GHz（千兆赫）12核处理器
英特尔还是超微半导体(AMD, Advanced Micro Devices)？
没错，我放弃了超微半导体处理器，使用了英特尔处理器。尽管人们对此有不同看法，但我有这么做的原因。英特尔的软件更兼容也更有关联性，如英特尔MKL，对于我使用的大多数Python库来说，这很有帮助。
且至少对我来说，另一个更重要的原因是，如果我想拥有一个双重RTX泰坦配置，英伟达员工建议我使用i9，这在以后会减少很多麻烦。
为什么在英特尔系列里选择了这个？一开始，我使用10核的9820X和18核的 9980XE，但后者大大增加了我的预算。我发现配有12核和3.5 GHz处理器的i9–9920X恰好符合预算，而且中档解决方案总不会错，因此我选择了它。
现在，CPU（中央处理器）成为了一个组件，它决定最终使用的其余组件。例如，如果选择i9 9900X系列的CPU，就需搭配X299的主板，或者如果打算使用超微半导体公司线程撕裂者（Threadripper）CPU，将需要一个X399主板。所以要注意选择正确的CPU和主板。
2.微星（MSI） X299 SLI PLUS ATX LGA2066主板
选择太繁多了，让人无法抉择。我想要一个能够支持至少96GB内存（RAM）的主板（按照英伟达公司的规格，支持双泰坦RTX GPU）。这意味着，如果选取16GB的内存条，就最少要有6个插槽，因为16x6=96。这个主板有8个插槽，所以它的内存可以扩展为128GB。
我还希望之后能拥有配备2TB NVMe 固态硬盘（SSD）的系统，这意味着这块主板的双M.2端口刚好符合需求，否则我将不得不购买昂贵的2TB单NVMe固态硬盘。
我考虑了ATX外形尺寸因素，4个PCI-E x16显卡插槽，以及合理的价格，最终选定了这个主板。
3.猫头鹰（Noctua）NH-D15 chromax.黑色82.52 CFM CPU冷却器
气流怪物
如今很流行液体冷却。一开始，我也想要一体式（AIO）冷却器，也就是液体冷却器。
但与英伟达的客服交谈完，并在互联网论坛上浏览了两种选择的利弊后，我发现空气冷却更符合我的需求。所以我选择了市场上最好的空气冷却器之一——猫头鹰NH-D15，而不是质量一般的水冷散热器，它还是一个静音冷却器。
4.追风者（Phanteks） Enthoo Pro钢化玻璃机箱
完美容纳所有组件
接下来就要考虑机箱的容量，要能够装下所有组件，并提供所需的散热功能。我花了大量时间对此进行研究。
我们用到了2个泰坦RTX显卡，9920x的中央处理器和128G的内存。这会造成严重的机箱过热。此外，猫头鹰空气冷却器对所占空间有要求，还需要容纳更多风扇。由于我审美品位奇特，加上要符合国家使用规范，我只有两种选择，分别是海盗船（Corsair）Air 540和追风者Enthoo Pro钢化玻璃PH-ES614PTG_SWT。
两者的质量都很好，但我选择了Enthoo Pro，因为它款式更新，并且有更大的全塔机箱，为未来实现更多个性化构建创造了可能。
5.带有3槽规格NVLink桥接器的双泰坦RTX
“菜谱”主要原料
目前为止，这个双泰坦RTX是整个配置中最为重要和昂贵的部分。单单它们就占了成本的80%，但这超值。
我想在自用配置中拥有高性能GPU，英伟达的客服非常慷慨地给了我其中两个进行测试。
我就是喜欢它们的设计。不止是它们配置的外观，还有它们可以结合3插槽NVLink来有效提供48GB的GPU内存。如果预算不足，也可以退而求其次，选择2代英伟达精视（GeForce）RTX 2080 Ti。
但有一点不足之处，RTX2080Ti可能需要更小批量的规模训练，而且在某些情况下，由于RTX2080Ti的内存只有11GB，可能无法训练大型模型。另外，你不能在RTX2080Ti上使用NVLink，而NVLink则结合了泰坦多GPU的视讯随机存取记忆体（VRAM）。
6.三星970Evo Plus 1 TB NVME固态硬盘
存储器选什么呢？当然是NVMe固态硬盘。其中的三星Evo Plus无疑是本次固态硬盘竞赛中认可度最高的赢家。
我购入了一个，目前正在使用。不过，因为我的主板上有2个M.2端口，之后将一共会有2TB的固态硬盘总存储量。还可以购买其他2.5的固态硬盘来获得更多存储空间。
7.海盗船复仇（Corsair Vengeance）LPX 128GB (8x16GB) DDR4 3200MHz
我的第一台计算机只有4MB的内存，我从未想过拥有一台128GB内存的电脑。按照英伟达团队的建议，我至少需要96GB的内存，所以不如直接配齐128GB内存。
可以看出，这些内存条并没有红绿蓝（RGB）灯，这是因为猫头鹰空气冷却器没有为内存插槽留出太多的空隙，而带有RGB灯效的内存条却高度略高，占空间较大，要注意这一点。此外，由于我在配置时更关注泰坦GPU的显示效果，我从未想过去配备RGB内存条。
8.海盗船1200W电源
1200W的电源相当大，但须注意全功率情况下我们的组件预计需要大约965W。
其他厂家也提供了别的电源选择，但我选择了海盗船，我喜欢它的名字。我本来想选HX1200i，但它不适配，而AX1200i比我选的这个要贵得多。除了我最后选中的HX1200之外，这两者也都是很好的选择。
9.更多风扇
静音散热系统
追风者机箱配备了三个风扇，但建议将机箱的通风口和排气扇升级为BeQuiet BL071脉宽调变（PWM）风扇，因为双泰坦发热量很大。我注意到由于机器常常开着，室内温度比室外温度高出近2-3度。
为了达到最好的通风效果，我购入了5个风扇。我在机箱顶部放了两个，就放在追风者机箱风扇旁边。又在机箱前侧放了两个，剩下的一个放在后侧。
10.外围设备
音箱配茶，不可或缺
这部分不是非弄不可，但我还是希望做事做全套。
已经花了那么多心血，我不想在外设上随便应付。所以我购入了用于内容创作的LG27UK6504k显示器，用来玩会儿游戏的明基（BenQ）EX2780Q1440p 144hz游戏显示器，还有机械樱桃（Mechanical Cherry）MX红色海盗船K68键盘和海盗船M65专业鼠标。
配置完成！
定价
由于组件从不同的国家和来源购入，我将按照PCPartPicker网站的价格进行定价。你可以在PCPartPicke网站上查看零件清单：https：//pcpartpicker.com/list/zLVjZf。
如你所见，即使从英伟达获得了GPU，这也还是很昂贵，但这就是为避免一些痛苦所必须付出的代价。
这就是我配备深度学习装置所需的所有部分以及选择的原因。你或许在寻找更好的组件或不同的设计，但对笔者来说，这个组件已经运行得足够出色了，速度也很快。值得一试！
一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）