做深度学习的服务器需要哪些配置？

主要是看运行什么软件和数据量，训练数值大小，这里要强调一下，数值大小和数据量是不一样的。

深度学习服务器的核心部件还是CPU、硬盘、内存、GPU，特别是很多深度学习依靠GPU的大规模数据处理能力，这就要强调CPU的计算能力和数量，同时不同的数据对GPU的显存要求也不一样。

当下大部分都在用RTX3090做深度学习，最新RTX4090已经上市，单精度计算能力是RTX3090的2倍，这两个GPU都是24G显存；像A100强调双精度计算能力，显存有40G和80G两个版本，而A6000单精度计算能和RTX3090差不多，显存是48G，可以参考选择。

当然，最重要的还是口袋里的银子，A6000市场价大概是RTX的2倍还要多，A100最近更是要上十万了，估计也快买不到了，价高缺货；RTX3090/4090的价位低，性价比高，这也是为什么大部分人都选择它们做深度学习了，这是市场的选择。

选择服务器的话，要具体的做的应用来定配置，不过一般不建议用I7的CPU，I7的CPU价格也不便宜，而且一般都是PC机用，做服务器的在硬件的售后质保，和兼容性等方面都不没有品牌的整机服务器好，具体牌子配置的话，可以根据您的预算，预算多的话，可以用DELL IBM的，质量绝对没得说，如果预算紧张的话，国产强氧的品牌机器性价比还是很高的，可以尝试一发。具体要了解的话可以看下我的资料

---