深度學習（Deep Learning）GPU服務器/工作站
LINKZOL主機配置深度學習參考配置
深度學習是近幾年熱度非常高的計算應用，其目的在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解析數據；依據其龐大的網絡結構，參數等配合大數據，利用其學習能力強等特點，對于圖像、音頻和文字處理是有非常大的幫助的。
對于初學者來說,就需要對深度學習工具(如Caffe、CNTK、TensorFlow、Theano、Torch等)有所了解；針對自己的方向從網絡、模型能力、接口、部署、性能、架構、生態系統、跨平臺等方面有個全面的認知。
目前來說，Caffe工具是目前主流的深度學習工具，對卷積神經網絡的實現是非常強大的，基于C++在多種設備上可以進行編譯，跨平性和部署方面是最佳的選擇，同時支持pycaffe接口。
目前LINKZOL深度學習系列GPU服務器/工作站在各大高校，研究所以及研究開發性質的企業應用非常廣泛；對于GPU服務器硬件平臺的選擇首選需要在預算資金范圍內選擇適合深度學習GPU服務器產品，同時需要要考慮的問題是選擇GPU計算卡，
一般來說，深度學習對于雙精度要求比較低，因為對于錯誤率的提升影響不大，同時大部分環境框架都只支持單精度，從穩定性方面考慮NVIDIA Tesla M40計算卡是最佳選擇,Tesla M40 GPU 加速器專為深度學習訓練而定制，是全球超級快的數據中心深度學習訓練加速器,Tesla M40 基于 NVIDIA Maxwell(™) 架構，其性能與 K40 和 K80 相比分別高 2.4 倍和 1.7 倍之多.
從顯卡效能及性價比方面考慮，在CUDA核心數盡量多，GPU頻率要快，顯存要大，帶寬要高情況下，NVIDIA GTX TITAN-X及GTX 1080或者新發布的NVIDIA TITAN-X是最優選擇。
應用比較廣泛的機器型號為為LZ743-GR/Q,LZ748-GT/Q以及LZ428-GR系列GPU服務器產品，
推薦配置：
計算平臺采用：LZ743-GR
系統：Ubuntu 16.04.3 x64
CPU:Intel Xeon十核E5-2640v4(2.4GHz,8.0 GT/s)
內存：原廠64GB內存 (8GB×8) DDR4 2133MHZ ECC-REG.（帶內存校錯技術，最大支持2T）
系統硬盤：INTEL 2.5寸240G 企業級SSD固態硬盤（最大支持8塊硬盤，類型：SATA,SSD）
系統硬盤:希捷3.5寸4T 7200RPM 企業級硬盤（最大支持8塊硬盤，類型：SATA,SSD;）
GPU卡：2塊NVIDIA TATAN-X GPU卡 （CUDA核心數3584個核心，12G DDR5 顯存，最大2個GPU卡）
電源：1200W High efficiency (96%)白金電源
（ LZ743-GR深度學習GPU工作站）
推薦配置：
計算平臺采用：LZ748-GT
系統：Ubuntu 16.04.3 x64
CPU:Intel Xeon十八核E5-2697v4(2.6GHz,9.6 GT/s)
內存：原廠256GB內存 (16GB×16) DDR4 2133MHZ ECC-REG.（帶內存校錯技術，最大支持2T）
系統硬盤：2塊INTEL 2.5寸480G 企業級SSD固態硬盤（最大支持8塊硬盤，類型：SATA,SSD）
系統硬盤:3塊希捷3.5寸4T 7200RPM 企業級硬盤（最大支持8塊硬盤，類型：SATA,SSD;）
GPU卡：4塊TESLA M40 GPU計算卡或者4塊NVIDIA TATAN-X GPU卡 （CUDA核心數3584個核心，12G DDR5 顯存，最大4個GPU卡）
電源：2000W High efficiency (94%)冗余鈦金電源
（LZ748-GT深度學習GPU工作站）
推薦配置：
計算平臺采用：LZ428-GR
系統：Ubuntu 14.04.3 x64
CPU:Intel Xeon二十二核E5-2699v4(2.2GHz,9.6GT/s)
內存：原廠256GB內存 (16GB×16) DDR4 2133MHZ ECC-REG.（帶內存校錯技術，最大支持2T）
系統硬盤：2塊INTEL 2.5寸480G 企業級SSD固態硬盤（最大支持8塊硬盤，類型：SATA,SSD）
系統硬盤:3塊希捷3.5寸4T 7200RPM 企業級硬盤（最大支持8塊硬盤，類型：SATA,SSD;）
GPU卡：8塊TESLA M40 GPU計算卡或者8塊NVIDIA TATAN-X GPU卡 （CUDA核心數3584個核心，12G DDR5 顯存，最大8個GPU卡）
電源：1600W（2+2） High efficiency (96%)鈦金電源
(LZ428-GR深度學習GPU服務器)
參考鏈接：
