想加入AI深度学习？机器怎么配？一文教你如何选
首先给大家科普一下：深度学习最需要的性能是GPU也就是显卡性能，理论上在同等条件下GPU性能越高，深度学习的效率越高。
但这其中也有一个很大的误区，就是电脑性能是一个整体并不是由单一硬件所决定的，是一个木桶效应。
当GPU性能达到一定高度之后，其他硬件性能没有跟上，再好的GPU也带来不了性能的提升。
01那么应该如何选购深度学习需求的台式电脑主机呢？
一、首先，要遵循这个原则：
GPU＞CPU≈主板（CPU主板相辅相成）＞内存＞硬盘＞电源＞机箱（装的下就行）
02确定预算
二、确定预算：
根据自己预算来搭配整机。千万不要乱听别人说，这个配置还不如加点前上更好点的配置，这样下来预算远远会超你很多。
03确定性能需求
三、确定性能需求：
一般来说都是希望在预算内获得最高的性能。但也有特例，比如发现想要达到预期的性能，发现已经超预算了。那么就要重新衡量是否有必要增加预算或者减少性能预期。
04目前消费级显卡举例
四、我们以当下主流消费级的GPU显卡基本的性能为例：
3060=2060s
1080ti=2080
3060ti=2080super
3070=2080ti
3070ti>2080ti
3080
3080ti
3090
然后我们来看看显卡显存的选择
3090 24G
3070ti 16G
3080ti 12G
3080 10G
3080 12G
3060 12G
2060 12G
2080ti 11G
1080ti 11G
按照深度学习的标准来说，同等条件，显存越大，有利条件越大，所以选择GPU的时候，尽量是优先考虑显存大的GPU来跑模型训练。
然后我们来看看消费卡的
RTX30系，最低入门就是3060显卡了，属于尝鲜，刚了解NLP用来学习学习用的。
RTX3060-RTX3070同级别属于入门：深度学习专业的学生或从业者；
RTX3080、RTX3090及以上才能算是优秀（比如 RTX8000）：深度学习的专业用户；
追求满分极致性能的就要多个GPU并行的工作站：深度学习领域大型实验室。
注意，windows平台是不支持我们这个AI-CPM项目多卡学习的，需要用Linux平台，多卡推荐是ubuntu。05合理的硬件搭配
五、选择合理硬件：
上面已经说了电脑是一个整体，是要遵循木桶效应的，因此合理的硬件组合就非常重要。
在选择硬件之前，我们先把电脑硬件对深度学习性能影响的重要程度排个序：
GPU＞CPU≈主板（CPU主板相辅相成）＞内存＞硬盘＞电源＞机箱（装的下就行）
再以这个顺序去选择硬件，并控制整体预算。
再者，注意内存这块，频率越高，内存越大，优势也会大一些。
其次，如果你是多卡训练，上3090的话，风冷应该是压不住，需要水冷了。单卡3090风冷是没问题。
06找找铺子的AI-CPM对电脑配置要要求
GPU：1080ti起步（但不是非要1080ti，其实1050ti也可以，只要你能忍受速度慢，我们建议是最低1080ti起步了）
CPU：只要能带动GPU的性能转运就行，无需考虑GPU的图形输入（例如，你上3090，不需要i7-12700kf或者i9-12900kf等）
内存：16G以上（内存频率3200及以上）
硬盘：推荐是NVMe SSD,M.2接口的。空间最少预留150G以上。
电源：根据显卡和电脑其他功耗来
收录效果可以呀