从深度学习计算过程来分析深度学习工作站\服务器的硬件配置

柯洁和AlphaGo的故事已经结束，输赢显得并不重要，这个天才少年曾落泪哽咽：它太完美我看不到希望。搭载谷歌无人驾驶技术的车辆已经完成200万英里的测试，如今它打算要载人了，无人驾驶真的已经不远。在苹果发布的ios11中，Siri变得更聪明，对话技巧也越来越溜。人工智能已经无处不在，席卷世界。2017年的初夏，除了挖矿，还有深度学习。那么用于深度学习的工作站/服务器也和矿机一样到处可见，然而事实并不是只要机器里有GPU，或者GPU越多性能就越强，下面以ultralab深度学习工作站/服务器为例进行解读。

目前深度学习工作站/服务器遇到的问题

1．为什么4块GPU机器，比人家2块GPU机器还慢

2．为什么同样8块GPU比人家8块GPU卡，还慢

3．为什么2块GPU卡，一个快一个慢

4．为什么这么多GPU卡，计算过程还是很慢

5．我的机器噪音巨大，无法放到办公环境，怎么在静音环境下运行

……

那么深度学习需要什么样的硬件配置才是最合理、最高效的？

首先从深度学习计算过程分析开始：

上述图示，深度神经网络计算大致流程，下面通过深度神经网络计算环节，分析核心硬件配置理想要求

常见图形工作站硬件配置上的误区：

1．硬盘用普通PC硬盘，寿命短，带宽低，或数量不够

2．CPU用的最多的是Xeon E52620v（8核2.1GHz），频率太低，数据