2018 新組AMD 8核心主機

Roy Yi-hung Hwang
5 min readNov 10, 2018

--

距離上次自己組裝電腦已經是十年前的事情了,CPU是當時俗又大碗的K7,沒理由地對AMD有所謂的信仰,另外一方面是當時intel的CPU對一個學生來說有點貴。

這次因應學習資料分析,對機器學習跟大數據分散式處理架構有需求,希望能夠組裝一台存儲速度快的主機,減少安裝等待時間,增加練習的效率。

主要用途:VM多開,學習架設Hadoop,Spark,練習Machine Learing,Deep Learning,gaming live.

組裝菜單

CPU:AMD R7–2700X 3.7Hz 8核心

MB:MSI X470 GAMING PRO CARBON

RAM:HyperX FURY DDR4 2933 16GBx2

SSD:WD SSD 250GB M.2 2280 NVMe PCIe Gen3 固態硬碟(黑標)&WD SSD 500GB M.2 2280 NVMe PCIe Gen3 固態硬碟(黑標)

GPU:ZOTAC GeForce GTX 1060 AMP! Edition 顯示卡

PSU:振華 Leadex 650W 80plus 金牌 電源供應器

CASE:Geeek T810

AMD RYZEN 7 2700X

CPU 核心數: 8
線程:16
基本時脈速度: 3.7GHz
最大渦輪核心速度: 4.3GHz
預設 TDP/TDP: 105W
Total L2 Cache:4MB
總計 L3 快取:16MB

主要用途之一是虛擬機多開,核心數越多越好 ,八核心,基本時脈3.7GHz,最高4.3GHz。

這個型號附上的RGB風扇,普遍獲得好評,如果沒有超頻,已經夠用,如果想要讓時脈更高,更換散熱能力更好的風扇勢必須的。

MSI X470 GAME PRO CARBON

微星在電競相關產品的發展較其他品牌早,最先提出電競筆電概念並且實現出來,微星應該是第一家。

為什麼選擇MSI?

其實沒有做太多功課,原本是在華碩跟微星兩家的中高階板子選一個,只是剛好PCHOME有CPU+MB的套餐就選了。

黑色的PCB版配上大面積的散熱裝甲是電競主機板的趨勢,夠潮。

HyperX FURY DDR4 2933 16GBx2 桌上型超頻記憶體 (HX429C17FBK2/32)

32G目前足夠應付16GB以上的虛擬機器。

HyperX是金士頓的電競品牌,產品線有滑鼠鍵盤耳機外加記憶體,記憶體是終身保固,如果要維修還是找通路較多的金士頓比較省時間。

WD SSD M.2 2280 NVMe PCIe Gen3系列

影響電腦速度與效能最明顯的零件 SSD

WD SSD 500GB M.2 2280 NVMe PCIe Gen3 固態硬碟(黑標)

讀3400M/寫2500M/TLC/五年保(虛擬機檔案存放)

WD SSD 250GB M.2 2280 NVMe PCIe Gen3 固態硬碟(黑標)

讀3000M/寫1600M/TLC/五年保(系統碟)

ZOTAC 1060 6GB AMP

深度學習入門顯示卡,原價8990,特價6990,註冊送魔物獵人。

CUDA數 :1280

CUDA(Compute Unified Device Architecture,统一计算架构)是由NVIDIA所推出的一種整合技術,是該公司對於GPGPU的正式名稱。 透過這個技術,使用者可利用NVIDIA的GeForce 8以後的GPU和較新的Quadro GPU进行计算。

振華 Leadex 650W 金牌

通過80PLUS金牌認證
採用LLC諧振線路設計
全日系大小固態電容
瞬間輸出700W

價格2990,可以買到650W外加金牌認證,扁平線材,全模組化,CP值相當高的產品。

80 PLUS是一項針對電源供應器所做的規範,目的在於提升地球能源使用效率。80 PLUS所保證的是電源供應器在20%、50%、以及滿載(100%)時有大於80%的轉換效率。換言之,在不同負載程度時僅有20%或更少的電能轉換成廢熱,藉以減少電費。另外,當產品通過80 PLUS認證,廠商會拿到些許回饋金。

裝機中
CASE GEEEK T810
光害散熱器

總結:很久沒組裝,但是憑著記憶,硬是組了起來,個人覺得自己組裝電腦真的很有趣,依照自己的目的與預算,把電腦組起來相當有成就感,以前覺得自己會這個技能沒什麼用,不過十年之後,讓自己的技能能夠用在自己的學習領域,感覺真的很棒。

作者:黃翊鈜 Roy Hwang

經歷:ML engineer , AI engineer

--

--

Roy Yi-hung Hwang

提示詞工程師專版 AI/ML solution engineer, MLops engineer,目前將時間投入在LLM的學習,地理數據視覺化愛好者