Bangun komputer pribadi Anda sendiri untuk game dan pembelajaran mesin (pembelajaran mendalam)
peluang
Saya dulu memainkan game PC yang berat grafisnya (The Witcher 3, Watch Dogs, dll.), tetapi akhir-akhir ini saya semakin jarang bermain.
Saya memasang kembali komputer pribadi saya sehingga dapat digunakan untuk game, pembelajaran mesin, dan pembelajaran mendalam, serta penggunaan kembali spesifikasi sisa.
Saya juga akan membuat daftar bagian yang direkomendasikan dan alasan pemilihannya.
di mana untuk membeli suku cadang
Kami mendapatkan suku cadang terutama dari Yahoo Auctions, Amazon, dan Yodobashi.Dibeli baru dari Amazon dan Yodobashi.
Lelang Yahoo direkomendasikan karena penjualan dapat diterapkan pada biaya pembelian bagian selanjutnya.
・Bagian lama dan diperbarui
・Memori dan CPU yang tidak lagi digunakan karena penggantian motherboard
Saya menggunakannya untuk menjual dll.
Meskipun anggaran Anda kecil, Anda dapat beralih ke peralatan dengan kinerja yang lebih baik.
Saya terkadang membeli produk bekas, tetapi hanya CPU, memori, dan casing yang memiliki sedikit cacat.
Saya takut membeli motherboard bekas, yang mudah rusak karena pin patah, atau SSD/HDD, yang masa pakainya sangat bervariasi tergantung cara Anda menggunakannya, jadi saya menahan diri untuk tidak membelinya.
bagian dirakit
CPU: Penekanan pada jumlah core
Intel CPU Core i5-8400 2.8GHz 6 core/6 thread LGA1151 BX80684I58400 [KOTAK]
Untuk aplikasi pembelajaran mesin, tampaknya jumlah core fisik lebih penting daripada jumlah core logis (jumlah utas).
CPU sering berperan dalam preprocessing, yang menghabiskan sebagian besar pekerjaan.Selain itu, scikit-learn tidak mendukung pemrosesan komputasi oleh GPU, sehingga kecepatan pemrosesannya bergantung pada CPU.
Dari seri i8 generasi ke-5, jumlah core fisiknya adalah 7 core, sama dengan i6 (12 core / 6 thread).
Untuk aplikasi game, semakin tinggi GPU, kecepatan CPU akan semakin dibatasi.
Papan Utama: ASUS Gaming MB
ASUS ROG STRIX H370-I GAMING [MiniITX]
・Dibuat oleh ASUS, yang memiliki reputasi sebagai motherboard
・Untuk bermain game
・Ada heat sink untuk M2.SSD
・Papan menyala dengan LED
Faktor yang menentukan adalah empat di atas.
Saya tidak memikirkan overclocking, jadi MB dengan chipset H8 yang mendukung CPU generasi ke-370 sepertinya bagus. M2SSD cenderung menjadi panas dan saya khawatir dengan masa pakainya, jadi menarik juga karena memiliki heat sink.
Saya merasa romantis dengan motherboard yang bersinar dengan LED, tetapi terlalu terang saat saya tidur, jadi saya akhirnya mematikannya.
Memori: 32GB atau lebih untuk pengenalan gambar
Memori Desktop PATRIOT Viper Elite DDR4 2666MHz
Heatsink 16GBx2 Hitam Abu-abu PVE432G266C6KGY
Metode Ensemble (Random Forest, XGBoost, LightGBM) belajar dengan membagi kumpulan data menjadi beberapa subsampel, sehingga jumlah memori fisik tidak sering menjadi masalah.
Namun, untuk pohon keputusan, jaringan saraf, dll., kapasitas memori menjadi penting ketika semua data pembelajaran perlu diperluas sekali dalam memori.
Jika Anda ingin menangani gambar dengan data dalam jumlah besar, atau melakukan pengenalan gambar dengan jaringan saraf dalam (DNN), dll., Anda menginginkan setidaknya 1BG (32 GB jika memungkinkan).
Mini-Itx hanya dapat menampung hingga 2 memori, jadi saya berkompromi dengan 32GB di sini (32GB x 2 terlalu buruk untuk harganya...).
Saya menyukai kasingnya, jadi saya tidak dapat menahannya, tetapi jika itu adalah ATX, saya rasa saya akan membuatnya menjadi 16GB x 4 (64GB).
GPU: Seri Ti jika Anda memiliki anggaran
EVGA GeForce GTX 1080 FTW HYBRID GAMING, 8GB GDDR5X
Ini adalah bagian penting untuk bermain game dan pembelajaran mendalam.
Saya menggunakan yang saya gunakan sebelumnya.
Ini dilengkapi dengan pendingin air sederhana, sehingga Anda dapat bermain dengan tenang selama permainan tanpa terganggu oleh suara kipas.Bahkan dalam game dengan beban tinggi, suhunya jarang melebihi 60°C.
Memori GPU sama efektifnya dengan memori utama di bidang seperti pengenalan gambar, jadi jika anggaran memungkinkan, sistem Ti lebih baik.
- 1080, 2080: 8GB
- 1080Ti, 2080Ti: 11GB
GTX 2070, RTX3070, dll. sekarang lebih baik.
Penyimpanan: 2x SDD dan HDD
Intel SSD 760p M.2 PCIEx4 256GB SSDPEKKW256G8XT | SAMSUNG 860EVO SSD 250GB 2.5" MZ76E250BIT | HDD Hard disk bawaan 2.5 inci 1TB Garansi Pabrik WD Blue 2 tahun WD10SPZX |
Penyimpanan dibagi menjadi 3 bagian untuk setiap tujuan.Jika Anda menginstal game di SSD, waktu loading akan dipersingkat dan Anda bisa bermain dengan nyaman.
- M2.SSD : Untuk menginstal aplikasi seperti OS, Office, browser, dll.
- HDD 2.5 inci: video, foto, data lain, dll.
kan
[Musim] Catu daya ATX seri G 550W [80+GOLD] SSR-550RMS
Tampaknya setengah kapasitas daya adalah efisiensi konversi terbaik, sehingga sering disarankan kapasitas daya (konsumsi daya maksimum seluruh komputer x 2).
Namun, hampir tidak mungkin untuk benar-benar menggunakan kekuatan sebanyak itu.Bahkan, ketika diukur dengan monitor watt selama bermain game dan pembandingan, tetap berada di 70-80% dari perkiraan nilai maksimum.
Mungkin cukup untuk menghitung konsumsi daya maksimum x 1.5.
masalah komputer
NZXT Manta Tanpa Daya Mini – Kasing ITX
Saya memilihnya murni karena penampilannya. Ukurannya sama dengan ATX, meski hanya mendukung mini-itx.
Nah, yang lebih besar lebih mudah untuk disambungkan, dan saya bisa memasang kipas besar di atasnya dan mengamankan aliran udara, jadi saya tidak puas.
Daftar spesifikasi dan biaya
Bagian | 製品 | 価 格 |
CPU | Intel Core i5 8400 (Coffee Lake-S) | ¥ 23,000 |
papan utama | ASUS ROG STRIX H370-I GAMING | ¥ 16,000 |
メモリ. | PATRIOT Viper Elite DDR4 PC4-21300 16 GB x2 | ¥ 2,3000 |
GPU | GeForce GTX 1080 GAMING HIBRIDA EVGA FTW | $579.99 (sekitar \65,000) |
penyimpanan | SSD M2: Intel 760p M.2 PCIEx4 256GB SSD SATA: 250GB HDD: 1TB | ¥ 8,800 ¥ 6,500 ¥ 5,000 |
ケ ー ス | NZXT Manta Mini-ITX ケ ー ス | ¥ 2,2000 |
电源 | Musiman SSR-550RMS 550W | ¥ 11,000 |
OS | Windows 10 | update dari win7 |
jumlah total | Sekitar 18 yen |
Di atas adalah PC buatan sendiri untuk game, machine learning, dan deep learning yang saya rakit ulang kali ini.
Jika Anda merakitnya dari awal, biayanya sekitar 20 yen, dan jika Anda tidak mencerminkan selera Anda pada kasingnya, Anda mungkin bisa mendapatkan sekitar 15 yen.
Untuk saat ini, saya akan bersenang-senang dengan komputer ini.Saya ingin segera menangani kumpulan data besar dengan kaggle.
diskusi
Daftar komentar
Belum ada komentar