गेम और मशीन लर्निंग (डीप लर्निंग) के लिए अपना निजी कंप्यूटर बनाएं
चालू कर देना
मैं ग्राफिक्स-भारी पीसी गेम (द विचर 3, वॉच डॉग्स इत्यादि) खेलता था, लेकिन मैं हाल ही में कम बार खेल रहा हूं।
मैंने अपने निजी कंप्यूटर को फिर से जोड़ा ताकि इसका उपयोग गेम, मशीन लर्निंग और डीप लर्निंग के साथ-साथ बचे हुए स्पेक्स के पुन: उपयोग के लिए किया जा सके।
मैं अनुशंसित भागों और चयन का कारण भी सूचीबद्ध करूंगा।
पुर्जे कहाँ से खरीदें
हम मुख्य रूप से याहू नीलामी, अमेज़ॅन और योदोबाशी से पुर्जे खरीदते हैं।अमेज़ॅन और योदोबाशी से नया खरीदा।
याहू नीलामी की सिफारिश की जाती है क्योंकि बिक्री को अगले भाग की खरीद लागत पर लागू किया जा सकता है।
· पुराने और अद्यतन भागों
・ मेमोरी और सीपीयू जो अब मदरबोर्ड बदलने के कारण उपयोग नहीं किए जाते हैं
मैं इसे बेचने आदि के लिए उपयोग करता हूं।
भले ही आपका बजट छोटा हो, आप बेहतर प्रदर्शन वाले उपकरणों पर स्विच कर सकते हैं।
मैं कभी-कभी सेकंड-हैंड उत्पाद खरीदता हूं, लेकिन केवल सीपीयू, मेमोरी और मामले जिनमें कुछ दोष होते हैं।
मुझे उपयोग किए गए मदरबोर्ड खरीदने से डर लगता है, जो टूटे हुए पिन, या एसएसडी/एचडीडी से आसानी से क्षतिग्रस्त हो सकते हैं, जिनका जीवनकाल इस बात पर निर्भर करता है कि आप उनका उपयोग कैसे करते हैं, इसलिए मैं उन्हें खरीदने से परहेज करता हूं।
भागों को इकट्ठा किया
सीपीयू: कोर की संख्या पर जोर
Intel CPU कोर i5-8400 2.8GHz 6 कोर/6 थ्रेड LGA1151 BX80684I58400 [बॉक्स]
मशीन सीखने के अनुप्रयोगों के लिए, ऐसा लगता है कि भौतिक कोर की संख्या तार्किक कोर (धागे की संख्या) की संख्या से अधिक महत्वपूर्ण है।
सीपीयू अक्सर प्रीप्रोसेसिंग में काम आता है, जो ज्यादातर काम करता है।इसके अलावा, स्किकिट-लर्न जीपीयू द्वारा कम्प्यूटेशनल प्रोसेसिंग का समर्थन नहीं करता है, इसलिए इसकी प्रोसेसिंग स्पीड सीपीयू पर निर्भर करती है।
8 वीं पीढ़ी की i5 श्रृंखला से, भौतिक कोर की संख्या 7 कोर है, जो कि i6 (12 कोर / 6 धागे) के समान है।
गेमिंग अनुप्रयोगों के लिए, GPU जितना अधिक होगा, CPU की गति उतनी ही सीमित होगी।
मदरबोर्ड: आसुस गेमिंग एमबी
ASUS ROG STRIX H370-I गेमिंग [MiniITX]
・ ASUS द्वारा निर्मित, जिसकी मदरबोर्ड के लिए प्रतिष्ठा है
・ गेमिंग के लिए
・M2.SSD के लिए हीट सिंक है
・बोर्ड एलईडी से जगमगाता है
निर्णायक कारक उपरोक्त चार है।
मैंने ओवरक्लॉकिंग के बारे में नहीं सोचा था, इसलिए 8 वीं पीढ़ी के सीपीयू का समर्थन करने वाले एच370 चिपसेट के साथ एमबी अच्छा लग रहा था। M2SSD गर्म हो जाता है और मैं इसके जीवनकाल के बारे में चिंतित हूं, इसलिए यह भी आकर्षक है कि इसमें हीट सिंक है।
मैं उस मदरबोर्ड के बारे में रोमांटिक महसूस कर रहा था जो एलईडी से चमकता है, लेकिन जब मैं सोने गया तो यह बहुत उज्ज्वल था, इसलिए मैंने इसे बंद कर दिया।
स्मृति: छवि पहचान के लिए 32GB या अधिक
पैट्रियट डेस्कटॉप मेमोरी वाइपर एलीट DDR4 2666MHz
16GBx2 ब्लैक ग्रे हीटसिंक PVE432G266C6KGY
एन्सेम्बल विधियाँ (रैंडम फ़ॉरेस्ट, XGBoost, LightGBM) डेटासेट को कई उप-नमूने में विभाजित करके सीखती हैं, इसलिए भौतिक मेमोरी की मात्रा अक्सर कोई समस्या नहीं होती है।
हालांकि, निर्णय पेड़, तंत्रिका नेटवर्क इत्यादि के लिए, स्मृति क्षमता महत्वपूर्ण हो जाती है जब सभी सीखने के डेटा को स्मृति में एक बार विस्तारित करने की आवश्यकता होती है।
यदि आप बड़ी मात्रा में डेटा वाली छवि को संभालना चाहते हैं, या एक गहरे तंत्रिका नेटवर्क (डीएनएन) आदि के साथ छवि पहचान करना चाहते हैं, तो आप कम से कम 1 बीजी (32 जीबी यदि संभव हो) चाहते हैं।
Mini-Itx केवल 2 मेमोरी तक रख सकता है, इसलिए मैंने यहां 32GB के साथ समझौता किया (32GB x 2 कीमत के लिए बहुत खराब है...)
मुझे मामला पसंद आया, इसलिए मैं इसमें मदद नहीं कर सकता, लेकिन अगर यह एटीएक्स होता, तो मुझे लगता है कि मैंने इसे 16GB x 4 (64GB) कर दिया होता।
जीपीयू: टीआई सीरीज अगर आपके पास बजट है
EVGA GeForce GTX 1080 FTW हाइब्रिड गेमिंग, 8GB GDDR5X
यह गेम खेलने और डीप लर्निंग दोनों के लिए एक अनिवार्य हिस्सा है।
मैंने वही इस्तेमाल किया जो मैंने पहले इस्तेमाल किया था।
यह साधारण वाटर कूलिंग से लैस है, इसलिए आप पंखे के शोर से परेशान हुए बिना गेम के दौरान चुपचाप खेल सकते हैं।अधिक लोड वाले गेम में भी, तापमान शायद ही कभी 60°C से ऊपर जाता है।
जीपीयू मेमोरी छवि पहचान जैसे क्षेत्रों में मुख्य मेमोरी के रूप में प्रभावी है, इसलिए यदि बजट अनुमति देता है, तो टीआई सिस्टम बेहतर है।
- 1080, 2080: 8GB
- 1080Ti, 2080Ti: 11GB
GTX 2070, RTX3070, आदि अब बेहतर हैं।
भंडारण: 2x एसडीडी और एचडीडी
 इंटेल SSD 760p M.2 PCIEx4 256GB SSDPEKKW256G8XT | सैमसंग 860EVO SSD 250GB 2.5" MZ76E250BIT |  HDD बिल्ट-इन हार्ड डिस्क 2.5 इंच 1TB WD ब्लू निर्माता वारंटी 2 वर्ष WD10SPZX |
भंडारण प्रत्येक उद्देश्य के लिए 3 भागों में बांटा गया है।यदि आप गेम को SSD पर स्थापित करते हैं, तो लोडिंग समय कम हो जाएगा और आप आराम से खेल सकते हैं।
- M2.SSD: OS, ऑफिस, ब्राउज़र आदि जैसे एप्लिकेशन इंस्टॉल करने के लिए।
- 2.5 इंच एचडीडी: वीडियो, फोटो, अन्य डेटा इत्यादि।
बिजली की आपूर्ति:
[सीज़निक] जी सीरीज़ 550W एटीएक्स बिजली की आपूर्ति [80+गोल्ड] एसएसआर-550आरएमएस
ऐसा लगता है कि आधा बिजली क्षमता सबसे अच्छा रूपांतरण दक्षता है, इसलिए अक्सर यह सिफारिश की जाती है कि बिजली क्षमता (पूरे कंप्यूटर x 2 की अधिकतम बिजली खपत) हो।
हालाँकि, वास्तव में इतनी शक्ति का उपयोग करना लगभग असंभव है।वास्तव में, गेमिंग और बेंचमार्किंग के दौरान जब वाट मॉनिटर से मापा जाता है, तब भी यह अनुमानित अधिकतम मूल्य का 70-80% रहता है।
यह अधिकतम बिजली खपत x 1.5 की गणना करने के लिए पर्याप्त हो सकता है।
कंप्यूटर पेटिका
NZXT मेंटा नो पावर मिनी - ITX केस
मैं इसे विशुद्ध रूप से इसके लुक्स के लिए चुनता हूं। यह एटीएक्स के समान आकार है, भले ही यह केवल मिनी-आईटीएक्स का समर्थन करता है।
अच्छा, बड़ा तार लगाना आसान है, और मैं उस पर एक बड़ा पंखा लगा सकता हूं और एयरफ्लो को सुरक्षित कर सकता हूं, इसलिए मैं असंतुष्ट नहीं हूं।
विशिष्टता सूची और लागत
| स्थान | 製品 | 価 格 |
| सी पी यू | इंटेल कोर i5 8400 (कॉफी लेक-एस) | ¥ 23,000 |
| मदरबोर्ड | आसुस रोग स्ट्रीक्स H370-मैं गेमिंग | ¥ 16,000 |
| याद | पैट्रियट वाइपर एलीट DDR4 PC4-21300 16 जीबी x2 | ¥ 2,3000 |
| GPU | GeForce GTX 1080 ईवीजीए एफटीडब्ल्यू हाइब्रिड गेमिंग | $579.99 (करीब \65,000) |
| ス ト レ ー ジ | एम2 एसएसडी: इंटेल 760पी एम.2 पीसीआईईएक्स4 256GB सैटा एसएसडी: 250 जीबी HDD: 1TB | ¥ 8,800 ¥ 6,500 ¥ 5,000 |
| ケ ー ス | NZXT मानता मिनी- ITX ケ ー ス | ¥ 2,2000 |
| 電源 | मौसमी SSR-550RMS 550W | ¥ 11,000 |
| OS | Windows 10 | win7 से अद्यतन करें |
| कुल राशि | लगभग 18 येन |
ऊपर गेम, मशीन लर्निंग और डीप लर्निंग के लिए स्व-निर्मित पीसी है जिसे मैंने इस बार फिर से जोड़ा है।
यदि आप इसे शुरू से जोड़ते हैं, तो इसकी कीमत लगभग 20 येन होगी, और यदि आप मामले पर अपने स्वाद को प्रतिबिंबित नहीं करते हैं, तो आप शायद लगभग 15 येन के लिए जा सकते हैं।
अभी के लिए, मैं इस कंप्यूटर का मज़ा लेने जा रहा हूँ।मैं जल्द ही बड़े डेटासेट को कागल के साथ संभालना चाहूंगा।