你有一份超详细的深度学习装机指南等待认领！（下篇）

　　硬盘/固态硬盘SSD

　　一般硬盘无法限制我们的深度学习任务的运行，但我们也不能因此小看了硬盘的作用。假设我们从硬盘中读取数据的速度是100MB/s，那加载一个32张ImageNet图片构成的mini-batch，要用185毫秒。

　　相反，如果在使用数据前异步获取数据，将在185毫秒内加载这些mini-batch的数据，而ImageNet上大多数神经网络的计算时间约为200毫秒。即在计算状态中加载下一个mini-batch，性能将不会有任何损失。

　　我们推荐的是SSD，因为选择SSD效率和舒适度都可以照顾到。和普通硬盘相比，SSD的启动和响应速度更快，大文件的预处理更是要快很多。顶配的就是NVMe SSD，比一般SSD更流畅。

 

　　电源PSU

　　随着GPU的更新换代，一个优质的PSU能够经得起时间的考验。我们对电源的基础要求是能满足各种GPU所需的能量。那PSU应该怎么选?

　　在这分享一个计算方法：将电脑CPU和GPU的功率相加，再加上额外的10%的功率作为其他组件的能耗，就能得到功率的最大值。

　　举个栗子：你有4个GPU，每个功率250瓦，加上一个功率150瓦的CPU，那电源要提供4×250+150+100=1250瓦的电量。在此基础上再加10%，那就是1375瓦。所以可以得出，电源的性能要达到1400瓦。

　　还有一点需要我们注意，即便一个PSU达到了所需的瓦数，也可能缺少足够的PCIe 8-pin或6-pin的接头，所以我们在采购时要确保电源上有充足的接头能接