Diese Hardware benutze ich für Deep Learning

Für meine Machine Learning Experimente habe ich bisher immer meinen Laptop genutzt. Seitdem ich mich aber mehr mit Deep Learning beschäftige, gelange ich immer ziemlich schnell an Grenzen. Teilweise dauert die Durchführung eines Experimentes mehrere Tage oder gar Wochen. Zeit also sich nach Alternativen umzuschauen.

Die wichtigste Komponente für schnelles Deep Learning ist ohne Frage die Grafikkarte (GPU). Die meisten Deep Learning Frameworks unterstützen momentan nur NVIDIA Grafikkarten mittels CUDA. Leider funktionieren aber nicht alle NVIDIA Grafikkarten gleich gut im Bereich Deep Learning. Tim Dettmers hat deshalb einen ausführlichen Test verschiedener Grafikkarten gemacht. Zu empfehlen sind momentan Titan Pascal X, GTX 1080, GTX1070 oder GTX1060.

Da ich bisher noch keine PC-Workstation besessen habe, habe ich mir ein komplett neues System zusammengestellt. Geholfen hat mir dabei vor allem der Artikel “Building a Deep Learning (Dream) Machine” von Roelof Pieters. Wichtig war mir zunächst ein Tower und ein Mainboard das in Zukunft noch weitere Grafikkarten aufnehmen kann. Mit dem ASUS X99-E WS Mainboard kann ich bis zu 3 Grafikkarten parallel bereiten. Des Weiteren sollte man auf ein Netzteil achten das genug Leistung hat um alle zukünftigen Grafikkarten zu versorgen und zudem noch möglichst Energieeffizienz ist. Der Prozessor und Arbeitsspeicher ist für Deep Learning nicht so entscheidend. Deshalb habe ich hier danach geschaut welche Anforderung ich an andere Machine Learning Experiment (außer Deep Learning) habe. Bei der Grafikkarte habe ich mich schlussendlich für die NVIDIA GTX1080 entschieden. In Zukunft plane ich aber noch den Kauf einer Titan Pascal X.

Hier meine Vollständige Liste an Komponenten:

Bestellt habe ich mein System übrigens bei Caseking. Das hat problemlos geklappt und ich habe mir das zusammenbauen der Einzelkomponenten gespart.

Disqus Comments