怎么选择服务器配置

根据需要选择服务器配置：

1、根据企业的需求选择合适的线路

国内常用的线路是电信线路和网通线路，其中河南以及河南以北地区以网通为主，河南以及以南以网通为主，同等线路之间访问速度比较快，反之则访问速度比较慢，而双线线路则解决解决这一问题，所以可以根据企业的需求选择单线路或者双线路。

2、根据需求选择共享带宽或者是独立带宽

顾名思义，共享带宽是指和机房内的其他服务器共同使用一定的带宽，一般是100M.独享带宽是指独自使用一定的带宽。如果企业网站属于下载类、电影、访问量比较高的网站，可以选择独享带宽。如果网站是普通的文字类网站则可以选择共享带宽，在共享情况下一般带宽也可以达到10M或者10M以上。

3、硬件配置方面，选择高性能的硬件配置

至于服务器配置，可以选择较为经济的配置，如酷睿E5700、inter 四核 Q9300等，如果选择比较高端的，如Intel Xeon E5-2609 至强四核、Intel XEON E5620 至强四核八线程等，结合企业的需求进行选择。

4、选择正规的IDC商，省去很多后期麻烦

正规的IDC商一般都有营业执照、ICP证、ISP证等证件，之所以挑选正规的IDC商是因为服务器不是一般的电脑，需要24小时开机，对环境要求也比较高，并且运行过程中出现问题需要及时解决，一旦出现服务器不能正常运行了，不仅影响网站优化，还易降低用户体验，严重时可导致网站被k,需要很长时间才能恢复。而正规的IDC上都是有很高的信誉保障的，机房都有专业技术人员值班。

您好，搭建100人同时在线的网站。需要服务器每秒并发100，服务器最省钱的配置如下：

服务器CPU：1核

服务器内存：2G

服务器宽带：3M（网站如果是文字多图片少可以选用1M）

服务器系统：liunx

服务器web:

Nginx

更多服务器配置优化，根据您实际情况而定！

深度学习是需要配置专门的GPU服务器的:

深度学习的电脑配置要求：

1、数据存储要求

在一些深度学习案例中，数据存储会成为明显的瓶颈。做深度学习首先需要一个好的存储系统，将历史资料保存起来。

主要任务：历史数据存储，如：文字、图像、声音、视频、数据库等。

数据容量：提供足够高的存储能力。

读写带宽：多硬盘并行读写架构提高数据读写带宽。

接口：高带宽，同时延迟低。

传统解决方式：专门的存储服务器，借助万兆端口访问。

缺点：带宽不高，对深度学习的数据读取过程时间长(延迟大，两台机器之间数据交换)，成本还巨高。

2、CPU要求

当你在GPU上跑深度网络时，CPU进行的计算很少，但是CPU仍然需要处理以下事情：

（1）数据从存储系统调入到内存的解压计算。

（2）GPU计算前的数据预处理。

（3）在代码中写入并读取变量，执行指令如函数调用，创建小批量数据，启动到GPU的数据传输。

（4）GPU多卡并行计算前，每个核负责一块卡的所需要的数据并行切分处理和控制。

（5）增值几个变量、评估几个布尔表达式、在GPU或在编程里面调用几个函数——所有这些会取决于CPU核的频率，此时唯有提升CPU频率。

传统解决方式：CPU规格很随意，核数和频率没有任何要求。

3、GPU要求

如果你正在构建或升级你的深度学习系统，你最关心的应该也是GPU。GPU正是深度学习应用的核心要素——计算性能提升上，收获巨大。

主要任务：承担深度学习的数据建模计算、运行复杂算法。

传统架构：提供1~8块GPU。

4、内存要求

至少要和你的GPU显存存大小相同的内存。当然你也能用更小的内存工作，但是，你或许需要一步步转移数据。总而言之，如果钱够而且需要做很多预处理，就不必在内存瓶颈上兜转，浪费时间。

主要任务：存放预处理的数据，待GPU读取处理，中间结果存放。

深度学习需要强大的电脑算力，因此对电脑的硬件配置自然是超高的，那么现在普通的高算力电脑需要高配置硬件。

---