2、开启 PyTorch 之旅：本地与云端搭建指南

开启 PyTorch 之旅：本地与云端搭建指南

1. 本地深度学习机器的搭建考量

在深入深度学习领域时，很多人会有搭建一台满足所有计算需求的强大计算机的冲动。然而，对于初学者而言，并不建议这样做。搭建一台定制的深度学习机器可能会花费数千美元，但实际使用频率可能并不高。不过，如果计算任务始终局限于单台机器（最多配备少量 GPU），搭建定制机器可能会更经济；但如果计算需要跨多台机器和 GPU，云服务则更具吸引力。

1.1 硬件组件建议

• GPU ：GPU 是深度学习机器的核心，承担着 PyTorch 大部分的计算任务，也是机器中最昂贵的组件。目前推荐使用 NVIDIA GeForce RTX 2080 Ti，若预算有限，也可选择 1080 Ti，但更建议考虑云服务。AMD 制造的 GPU 卡目前在 PyTorch 中的支持不够好，不过其 ROCm 技术未来可能会成为有力的替代方案。
• CPU/主板 ：建议选择 Z370 系列主板。虽然很多人认为深度学习中 CPU 不重要，但在处理增强数据时，CPU 很可能成为瓶颈。
• RAM ：内存越大越好，建议机器配备至少 64GB 的 DDR4 内存，这样可以在训练阶段减少对慢速磁盘存储的依赖。
• 存储 ：定制机器的存储应分为两类。首先，尽可能购买大容量的 M2 接口固态硬盘（SSD），用于存储活跃项目的热数据，以确保快速访问；其次，添加一个 4TB 的串行 ATA（SATA）驱动器，用于存储非活跃数据，并根据需要在