된사람 되기

요즘 떠오르는 대세인 딥 러닝!

딥러닝의 이론도 중요하지만, 우리에게는 이러한 이론을 학습시킬 머신 또한 중요하다! 

(무조건 좋은 사양보다는, 불필요한 비용(cost)은 최적화 된 사양을 맞추는 것이 좋겠다!)

그래서 열심히 웹 자료들을 뒤져서 좋은 사양을 찾아 소개할까 한다.

일단 GPU는 꼭 사용하도록 하자! 

(왜 GPU를 사용하는가?는 NVIDIA의 홈페이지에서 확인 가능하다. http://www.nvidia.com/object/what-is-gpu-computing.html )

(어떤 GPU를 사용해야하는가? 는 http://www.nvidia.com/object/what-is-gpu-computing.html  에 몹시 정리가 잘 되어 있다!)

결론부터 이야기 하자면, 

GPU : GTX titanX (향후 3~6년은 거뜬할 12GB의 메모리!!)

(Nvidia CEO에 의하면 TitanX가 메모리를 많이 필요로 하는 deep learning에 특화되었다고 한다! [4])

(심지어 GTC 2015에서 TitanX를 강력 추천 때리기도..!! [5])

(GPU benchmark에 의하면 980Ti 가 성능이 더 좋은 것으로 나오긴 하지만.. 코어도 메모리도 titanX가 앞선다. (2816 -> 3,072, 6GB->12GB)

CPU : 

최근 새로 나온 하스웰 CPU들은 PCIe를 충분히 지원하지 않는 경우가 있으니 주의해야 한다.
(참고로 요새 많이 쓰이는 5820K 는 40이 아닌 28 , 4790K는 16 lane만 제공한다. 충분하지 않은 이유는 [6] 에서 참조하자!)

(그리고 마더보드의 PCIe 버전과 호환되는 지 확인!)

CPU 캐쉬 사이즈는 크게 중요하지는 않다.

RAM : 

asynchronous mini-batch allocation <- 요게 필수!

GPU 램보다 많게 유지하는 것도 중요함.

clock이나 크게 중요치 않다.

Hard/SSD : 

충분한 여유 공간을 남기도록 한다.

POWER : 

파워는 충분히

GPU(들)에 필요한 Watt + CPU에 필요한 Watt + 100~300 Watt

기왕이면 efficiency rate이 좋은 것이 아무래도 좋겠지!

Cooling : 

생각보다 cooling이 중요하다. Deep learning 연산 중 GPU의 온도는 금새 뜨거워지는데, GPU는 온도를 유지하기 위해 자체적으로 속도를 느리게 만들기 때문이다. BIOS 셋업을 통해 fan speed를 최고로 올리거나 (소음을 견딜 수 있다면..) 수냉 방식의 쿨러를 추가하는 방법(조금 어렵지만)이 있다.