动手组装深度学习机器+RTX2070Super

前言

从硬件层面来讲，正是得益于GPU带来的计算性能的提高，使得深度学习的发展迈入了一个高速发展的时期，所以在搞深度学习嘛，工欲善其事必先利其器，首先就是需要一台带有GPU显卡的计算机，作为学生党，由于预算有限，只好自己动手组装了。

GPU，对于深度学习，GPU是最重要的，由于目前只有nvidia显卡支持Cuda，因此别无他选，参考多篇博文，目前在kaggle获奖得主推荐使用RTX2070，考虑未来的扩展性，我选择了RTX2070Super；
CPU，就深度学习而言对于CPU的要求并不高，AMD和Intel都可以，同样性能的CPU，Intel价格大概是AMD的两倍左右，但是作为强迫症患者，我还是选择了Intel i7 9700k，但是超频好像真的是有些性能冗余；
主板，主板同样要求并不高，但是要适配所选用的CPU和GPU，如果为了防止以后单显卡容量不足而采用双显卡，需要选用支持双显卡的主板，我选择了微星z390a-pro，优点是便宜(但是微星这个主板对Linux的支持好像并不是特别好)；
内存，内存至少要与GPU显存容量相同；
硬盘，对于深度学习来讲，另一个较为重要的因素就是数据集，考虑到目前动匝上G到数十G的数据集，为了存储数据集，需要加装硬盘；
固态，为了提高操作系统加载速度，当然，如果固态足够就不需要硬盘了；
电源，电源的选择需要能够带动系统的运行即可，计算方法为，电源额定功率=GPU额定功率+CPU额定功率+100w左右的冗余量，RTX 2070Super额定功率为600w，因此选择750够用；
CPU散热器及机箱，机箱的选择只要注意显卡限长的要求。