В этой статье я поделюсь своим опытом создания недорогого ПК для целей машинного обучения. Я потратил неоправданно много времени на изучение Интернета, чтобы найти наиболее экономичные компоненты. Надеюсь, вы воспользуетесь моими последними мыслями, чтобы не тратить слишком много времени на исследования и слишком много денег на компоненты, которые не стоят того.

Основные требования к компьютеру:

1. Компьютер должен быть способен обучать модели машинного обучения и глубокого обучения среднего размера за достаточное время.

2. Оно должно быть экономически эффективным, с возможностью рассмотрения более дорогих вариантов только в том случае, если они обеспечивают значительные выгоды.

Дополнительные требования:

  • Низкое энергопотребление.
  • Возможность обновления таких компонентов, как ОЗУ или других частей в будущем.
  • Бесшумная работа.
  • Место как для SSD, так и для HDD.

Эти требования иногда могут противоречить друг другу, что затрудняет поиск оптимального баланса и оптимального баланса.

Моей первоначальной идеей было купить ноутбук из-за его удобства, портативности и низкого энергопотребления. Однако ноутбуки с аналогичными характеристиками, как правило, стоят дороже, поэтому для меня лучшим выбором является ПК из-за таких факторов, как производительность, охлаждение, долговечность и возможность обновления. Теперь давайте пройдемся по списку компонентов, которые я выбрал, и ценам, которые я заплатил, а также обоснованию моего выбора.

Обоснование:

  1. Видеокарта (графический процессор):
  • Мне нужен был графический процессор с ядрами CUDA (необходимыми для машинного обучения) и как минимум 10 ГБ видеопамяти.
  • Графические процессоры NVIDIA серий GeForce RTX 3000 и 4000 являются популярным выбором благодаря своим возможностям параллельной обработки.
  • Я проанализировал различные варианты на основе цены, соотношения стоимости к числу ядер CUDA, соотношения стоимости к объему оперативной памяти и энергопотребления на ядро ​​CUDA. Победителем стала RTX 3060.

2. Процессор

  • Процессор — это сердце машины. Больше ядер означает более быстрое обучение модели машинного обучения, особенно для задач, специфичных для ЦП, и моделей без графического процессора.
  • Изначально я рассматривал процессоры высокого класса, такие как Intel i5–13500 с 14 ядрами и 20 потоками. Однако он был почти в три раза дороже, чем AMD Ryzen 5 5500, и обеспечивал прирост скорости для многопоточных задач лишь на 30–60%. https://cpu.userbenchmark.com/Compare/Intel-Core-i5-13500-vs-AMD-Ryzen-5-5500/4147vsm1820844 Учитывая мое использование, дополнительные затраты не показались оправданными.

3. Память (ОЗУ):

ОЗУ имеет решающее значение для обработки больших наборов данных и обучения моделей. Хотя общее мнение заключается в том, что 16 ГБ ОЗУ обеспечивает хороший баланс между стоимостью и производительностью, для некоторых задач машинного обучения требуется больше. В таких случаях нехватка оперативной памяти может затруднить вашу работу, вызывая задержки. Чтобы обеспечить бесперебойную работу и гибкость различных сценариев обучения машинному обучению, я выбрал 32 ГБ ОЗУ.

4. SSD-накопителя емкостью 500 ГБ достаточно для моих первоначальных потребностей, а в будущем останется место для дополнительных накопителей.

5. Материнская плата. Выберите материнскую плату, совместимую с вашим процессором и графическим процессором, а также необходимые порты для периферийных устройств.

6. Блок питания (PSU), который часто игнорируют, но он имеет решающее значение, является основой стабильности системы. Выбор правильного блока питания гарантирует, что компоненты вашего ПК будут получать стабильное и чистое питание. Для обеспечения надежности RTX 3060 и всей системы Nvidia рекомендует блок питания мощностью 550 Вт (при условии, что процессор имеет высокое энергопотребление). Хотя мощности 500 Вт может быть достаточно, я выбрал блок питания на 600 Вт, чтобы обеспечить дополнительный запас мощности для потенциальных обновлений. Кроме того, я стремился получить как минимум золотой сертификат 80 Plus, поскольку повышенная эффективность по сравнению с более низкими сертификатами помогает снизить счета за электроэнергию в долгосрочной перспективе, что делает это разумной инвестицией.

7. Случай:

Выбор корпуса предполагает соблюдение баланса между стоимостью, воздушным потоком, температурой и уровнем шума. Выбор бесшумного корпуса является приоритетом, но часто приводит к компромиссу, поскольку эти корпуса, как правило, более закрытые, что требует от вентиляторов более интенсивной работы для поддержания охлаждения. Я выбрал корпус, который представляет собой хороший компромисс между тишиной, возможностями охлаждения и экономической эффективностью. Этот выбор гарантирует бесшумную работу моей машины без ущерба для контроля температуры, что делает ее идеальным решением для недорогого ПК для машинного обучения.

Заключение:

Создание бюджетного ПК для машинного обучения — это поиск правильного баланса между производительностью и стоимостью. Тщательно выбирая такие компоненты, как ЦП, графический процессор, ОЗУ и хранилище, вы можете создать мощную систему машинного обучения, не тратя денег. Помните, что при выборе компонентов важно учитывать ваши конкретные потребности и типы моделей, с которыми вы будете работать. Благодаря хорошо продуманной сборке вы можете приступить к изучению машинного обучения, не беспокоясь об аппаратных ограничениях.