深度學習-硬體組裝篇
[補充] (Apr 9, 2018): 後來嘗試使用 GCP 開機器，並把相關套件(CUDA, cuDNN, …)安裝並測試成功。文章請見「在 Google Cloud Platform 上使用 GPU 和安裝深度學習相關套件」。
前一陣子點開 kaggle 的比賽，有越來越多的競賽資料都是和影像相關，從討論區可以看到非常多的 sample code，也很想實際來玩玩看，或是進而嘗試不同的架構。
但苦於只有一台筆電，而且顯卡也不是 nvidia，要真的能訓練出模型還真的是非常困難。再加上也想要自己練習組桌機，綜合各個考量下，成就了這次自組電腦來做深度學習的機會。之前也曾嘗試使用 aws ec2 的方式來練習，不過因為操作不熟悉而作罷，而且真的有一台電腦在家裡，那種成就感也是無法取代啊(笑)。
其實網路上已經有非常多相關的分享，無論是硬體配置，或是軟體安裝，絕對都講得更詳細或是更經濟，會再做一次簡單紀錄，無非就是本持著分享的心態，讓其他人多一份參考。
再加上本人是第一次親手組裝電腦，在這之前完全對幾乎硬體沒有任何先備知識。僅僅在做過一點點功課下，嘗試自己動手實作。若有任何建議，也都歡迎提出批評指教。
參考資料
以下先列出我的一些參考資料：
A Full Hardware Guide to Deep Learning
[心得] 100K 深度學習機
Build a Deep Learning Rig for $800
硬體資訊
我的預算抓40K，以下是各個品項：
當初在猶豫 GPU 花了很多時間，後來還是上 GTX-1070，不然有人建議其實 GTX-1060 對於入門也蠻夠用得了。然後因為除了做深度學習外，應該不會有其他特殊用途，所以 CPU 就選擇 Intel i5，這樣的組合也成功壓在我的預算內。
組裝紀錄
以下簡單紀錄組裝過程。
重要內容物攤開如下：
主機板：已經有先請店員測試，所以 RAM 跟 CPU 都已經裝好了。
安裝 CPU 風扇。
當初機殼也是挑了非常之久啊，本來還在猶豫要全黑的無透測機殼，但後來發現白色的透測機殼會讓整體看起來那麼厚重，實際上的效果也非常明顯。而且會發光的主機板和 GPU 就是配透測才看得到啊！
接下來就是把主機板裝上機殼，並把機殼上該對應的插頭都插上主機板。
裝上電源供應器，為了保險買了 650W 的電供。
裝上 HDD 和 SSD。
接下來就是 GPU 了！
安裝過程也不難，就把後面的檔板拆掉，然後把 GPU 裝上去鎖起來即可。
不過現在對於安裝的位置有點後悔，因為擋到主機板的 ROG 標誌了 XD
裝好後如下圖，因為 GPU 實在有點重，所以也當然安裝了高科技竹筷。用黑色膠帶包好後，美觀度有上升一些些。
成功組裝完畢！第一次這樣裝也花了好幾個小時，不過還蠻有趣的。實際通電後也成功開機。
下一步
硬體組裝完畢後，接下來就是灌作業系統 (Ubuntu) 跟深度學習相關的套件(CUDA, cuDNN)，然後再測試是否有成功利用 GPU 加速運算。
這部分會再另外寫一篇來記錄。
[補充] (Apr 9, 2018): 後來嘗試使用 GCP 開機器，並把相關套件(CUDA, cuDNN, …)安裝並測試成功。文章請見「在 Google Cloud Platform 上使用 GPU 和安裝深度學習相關套件」。
