选自Oreilly作者：LukasBiewald参与：赵华龙、微胖是的，你可以在价值$39的树莓派上跑TensorFlow。而且，你可以在带有GPU引擎的EC2节点上每小时只花1美元跑TensorFlow。这些可选方案可能比构建你自己的计算机更具实用感。但如果你像我一样，你会渴望构建你自己的高速深度学习机器。好吧，一千美元花在一个DIY项目上是太多了，但一旦你把机器搞起来，你可以建立数百个深度学习应用程序，从增强的机器人大脑到艺术项目（至少，我是如此为自己辩解的）。至少，这台机器将在除了功耗之外的每个指标上轻松超过$2,的MacbookPro，并且因为它容易升级，在接下来的几年里也会保持领先。自从80年代以来，我还没有组建一台电脑，因为我非常害怕在一些我可能无法构建的东西（而且也可能并不会真正使用）上放几百美元。但我在这里告诉你，这样做肯定没问题！此外，它真的很有趣，你会得到一个伟大的通用计算机，会做常见的推理和学习而且在这方面比你的笔记本电脑快20倍。主板主板有不同的大小。由于我不想使用多GPU，那种被称为mini-ITX的最便宜和最小标准尺寸主板对这种项目就挺好了。我的最低要求是有一个PCIe插槽来插GPU和有两个DDR4插槽来插RAM，我花$在Amazon上买了一个华硕ASUSMiniITXDDR4LGABIPROGAMING/WIFI/AURA主板。它配备了一个WiFi天线，这实际上在我的地下室里超级有用。机箱机箱并不重要，但它们相当便宜，而且由于这个DIY电脑市场里主要都是玩家，因此机箱有各种有趣的形状和颜色。机箱尺寸应该与主板相匹配，因此机箱名字中也应有mini-ITX字样。我在Amazon上花$50买了一个ThermaltakeCoreV1MiniITXCube机箱。RAM我不能相信能拿到这么便宜的RAM！你需要购买DDR4RAM来匹配你的主板（这个最容易在网上找到），价格都是一样的。我花$买了两个8GBofCorsairVengeance。我又额外花了$5，因为亚马逊评论说，「对于那些只是不能得到足够的LED塞满他们系统的人，这些是完美的选择。」如果你在你的地下室组建一台电脑，同时你又不接受你内心的反传统（BurningMan）/青少年审美，你会花费大量时间却很难找到组件。CPU我在网上看过CPU速度比较测试，我想如果CPU速度较慢我也没问题，因为我做的很少的事情是受限于CPU的（除了训练神经网络，而这个我会使用GPU）。但是我不能让自己建造一台装有第三代CPU的计算机。我花$用了IntelI5-。几乎任何你可以在亚马逊找到的CPU都还可以。我没有多花$20买I5-K，两者几乎差不多就是能超频，因为对于我来说，为了10%的增速而牺牲可靠性，简直就是疯了。我也确实承认，开始习惯建造自己机器的想法时，也开始后悔当初这个决定了。所以谁又能知道呢？构建计算机可以改变你的人生观。如果有了超频芯片，可能遗憾会更少吧。另一方面，也许最好还是保护自己不受自己的影响，把选项从脑子里去掉吧。硬盘我也不能相信能买到这么便宜的硬盘驱动器。我$50买了一个1TBSATA驱动器。固态驱动器能更快，但是也更贵，并且通常，我的深度学习程序没有磁盘I/O限制，因为它们通常将批数据加载到RAM中，然后对数据处理很长时间。如果你想用计算机进行繁重的文件传输工作或者只是想确保它在所有程序运行上都明显快过你朋友的Macbook，那么，我建议你买个类似三星EVOGB2.5-InchSATAIIIInternalSSD的固态驱动器，$98容量Gb。所有这些驱动器会让你意识到，苹果公司给你的MacbookPro扩容G加收$简直就是在敲诈。显卡/GPU选哪个显卡是最重要的和最棘手的问题。对于几乎所有的机器学习应用程序，你想要一个NVIDIA卡，因为只有NVIDIA有你必需的CUDA框架和CuDNN库，这是包括TensorFlow在内的所有机器学习框架所依赖的。我并非一个GPU专家，我发现这里面的术语非常容易让人糊涂，但这对选择一款GPU来说是非常基本的知识。也许对深度学习来说最需要重要