В сфере Data Science мощное железо с серверным уровнем производительности – необходимый инструмент. Да и в перспективе собственные мощности обходятся куда дешевле, особенно учитывая необходимость постоянного хранения датасетов.

Выбор комплектующих

Большая часть фреймворков адаптируется под карты NVIDIA с их замечательными ядрами CUDA, которые пока никто заменить не смог. Что касается процессора, то выбор тут очевиден – Intel с максимальным количеством ядер и возможностью разгона. Так можно получить хорошую производительность в однопоточных и многопоточных вычислениях. К материнской плате также есть особые требования – это, желательно, 4 канала памяти (чтобы раскрыть потенциал процессора) и хорошее охлаждение на главных узлах питания.

Излишняя мощность не будет вам обузой. Вы всегда сможете предоставлять услуги для облачных вычислений другим специалистам, которые работают с машинным обучением. Все свободное время и даже в ваш отпуск компьютер будет приносить деньги. Хорошая система водяного охлаждения сделает работу бесшумной и позволит не прерывать процесс обучения 24/7.

Видеокарта

Производительность карты при машинном обучении напрямую зависит от скорости и объема памяти, а также от количества ядер CUDA. Такие платформы, как PyTorch, MXNet, TensorFlow, а также основанные на их принципах гибриды используют библиотеки для GPU ускорения, например, cuDNN, DALI и NCCL. Это помогает ускорить обучение с использованием одного или нескольких GPU.
В таблице – характеристики всех топовых решений от NVIDIA.

Ядра CUDA Ядра NVIDIA Tensor Ядра NVIDIA RT Количество памяти Ширина шины памяти Пропускная способность памяти Производительность FP32
Quadro GV100 5120 640 нет 32GB HBM2 4096 бит 870,4 ГБ/с 14.8 TFLOPS
Quadro RTX 8000 4608 576 72 48GB GDDR6 с ECC 384 бит 624 ГБ/с 16.3 TFLOPS
Quadro RTX 6000 4608 576 72 24GB GDDR6 384 бит 624 ГБ/с 16.3 TFLOPS
Quadro RTX 5000 3072 384 48 16GB GDDR6 256 бит 448 ГБ/с 11.2 TFLOPS
Quadro RTX 4000 2304 288 36 8GB GDDR6 256 бит 416 ГБ/с 7.1 TFLOPS
NVIDIA TITAN RTX 4608 576 72 24GB GDDR6 384 бит 672 ГБ/с 16.3 TFLOPS
RTX 2080 Ti 4352 544 68 11GB GDDR6 352 бит 616 ГБ/с 13.5 TFLOPS
RTX 2080 SUPER 3072 384 48 8GB GDDR6 256 бит 496 ГБ/с 11.2 TFLOPS
nvidia gv100

Quadro GV100

Это самый мощный графический ускоритель на данный момент, она разработана именно для обслуживания и обучения нейронных сетей. Главным преимуществом является память, ее объем и скорость доступа. Из недостатков можно выделить цену и отсутствие RT ядер.

nvidia quadro rtx 8000

Quadro RTX 8000

Топовое решение для инженеров, огромное количество памяти и прекрасная производительность. Недостаток – цена, не совсем оправданная для Data Science, так как вы переплатите за целый мешок технологий, созданных специально для работы с трехмерной графикой и инженерными программами.

nvidia quadro rtx 6000

Quadro RTX 6000, 5000, 4000

Три инженерных видеокарты с относительно высоким уровнем производительности. Цена все так же высокая. По сравнению с игровыми решениями, конечно.

nvidia titan rtx

TITAN RTX

Плавно подходим к оптимальным решениям для машинного обучения не инженерной направленности. По производительности эта карта сравнима с Quadro RTX 6000, но стоит в несколько раз дешевле. Причем использование двух и более TITAN RTX даст вам больше производительности, чем одна Quadro RTX 6000. Недостаток – отсутствие полноценной поддержки профессиональных драйверов и ПО от NVIDIA для инженерии и работы в трехмерной среде.

nvidia geforce rtx 2080 ti

RTX 2080 Ti и 2080 SUPER

Топовые игровые видеокарты, которые оборудованы теми же аппаратными решениями, что и их профессиональные «коллеги», но драйвера больше заточены под игры. Хотя их совместимость с фреймворками не ставится под сомнение. Вывод: две RTX 2080 Ti мощнее, чем одна TITAN RTX, хотя стоимость такого решения также будет выше примерно на 1000$.

Процессор

Для машинного обучения необходимо много оперативной памяти. Чтобы ускорить доступ к ней, необходим процессор, который поддерживает четыре канала, а не 2, как в обычных пользовательских решениях. На данный момент среди не серверных решений на рынке есть прекрасный вариант – Intel Core i9. Много ядер, многопоточность, поддержка 4 каналов памяти, хорошая частота и возможность разгона.

Выбор конкретной модели – вопрос бюджета, чем больше ядер и частоты – тем лучше. Также стоит отметить, что желательно иметь возможность разгона для кратковременного увеличения мощности.

Оперативная память

Лучше всего использовать высокочастотную память DDR4, она не такая дорогая и даст вам хороший прирост мощности. 4 канала на процессоре – значит, 8 слотов на материнской плате. Минимум, который стоит ставить на компьютер для машинного обучения, – это 32 Gb, но чем больше – тем лучше. Лучше занять все слоты, чтобы обеспечить каждому ядру процессора максимально быстрый доступ к памяти. Максимально возможный объем памяти для i9 – 256 Gb.

SSD

Быстрый доступ к датасетам нужно обеспечить, чтобы работа накопителя не замедляла остальные элементы компьютера. Новые SSD m.2 дают возможность доступа к данным на скорости до 3,5 Gb в секунду. Не обязательно хранить на них всю информацию, можно поставить один SSD и расширить объем памяти дополнительным HDD. Причем необязательно ставить HDD в систему, можно подключить его к локальной сети, снабдив статичным IP адресом, и вы сможете получить к нему доступ с любого устройства, подключенного к интернету.

Решения от HYPERPC

(Нет отзывов)
Цена 200 300 ₽
Общая стоимость 200 300 ₽
В т.ч. НДС 33 383 ₽
На заказ, сроки 6 - 9 дней
В корзину Оформить
Купить в один клик
Нажимая кнопку «Отправить», вы подтверждаете свое согласие на обработку персональных данных.
Купить в 1 клик

Сбалансированная рабочая станция, сочетающая высокую производительность и ценность. Эта модель похвастаться улучшенной GPU, обеспечивающей лучшее управление графикой для умеренных задач 3D-визуализации.

(Нет отзывов)
Цена 212 300 ₽
Общая стоимость 212 300 ₽
В т.ч. НДС 35 383 ₽
На заказ, сроки 6 - 9 дней

Флагман серии. Разработан для высоких рабочих нагрузок, он предлагает высокую производительность для задач в 2D пространстве.

Цена 215 900 ₽
Общая стоимость 215 900 ₽
В т.ч. НДС 35 983 ₽
На заказ, сроки 5 - 8 дней

Оптимальный компьютер для работы с графическими приложениями. Собран на базе видеокарты Palit GeForce RTX 4060 Ti Dual [8GB, 4352 CUDA] и процессора Intel® Core™ i5-13400(F) [до 4.6GHz, 10 ядер].

(Нет отзывов)
Цена 219 900 ₽
Общая стоимость 219 900 ₽
В т.ч. НДС 36 650 ₽
На заказ, сроки 6 - 9 дней

Продвинутое решение для начинающих профессионалов на основе процессора Intel® Core™ i7-14700F [до 5.4GHz, 20 ядер] и специализированной видеокарты Palit GeForce RTX 4060 Ti JetStream [16GB, 4352 CUDA].

Цена 227 300 ₽
Общая стоимость 227 300 ₽
В т.ч. НДС 37 883 ₽
На заказ, сроки 5 - 8 дней

Стартовая платформа для базовой работы с графикой и видео. В основе лежат: NVIDIA RTX A2000 [12GB, 3328 CUDA] и процессор Intel® Core™ i5-14500 [до 5.0GHz, 14 ядер].

Цена 289 600 ₽
Общая стоимость 289 600 ₽
В т.ч. НДС 48 267 ₽
На заказ, сроки 2 - 4 дней

Универсальный ПК для работы с 3D-графикой и видео. Оснащен видеокартой MSI GeForce RTX 4070 SUPER GAMING SLIM [12GB, 7160 CUDA] и процессором Intel® Core™ i5-14500 [до 5.0GHz, 14 ядер].

Цена 309 500 ₽
Общая стоимость 309 500 ₽
В т.ч. НДС 51 583 ₽
На заказ, сроки 5 - 8 дней

Продвинутая конфигурация на базе MSI GeForce RTX 4070 Ti SUPER GAMING SLIM [16GB, 8448 CUDA] и Intel® Core™ i7-14700F [до 5.4GHz, 20 ядер] с расчетом на сложные графические вычисления.

Цена 309 500 ₽
Общая стоимость 309 500 ₽
В т.ч. НДС 51 583 ₽
На заказ, сроки 5 - 8 дней

Профессиональное решение для быстрой обработки больших объемов графических данных. Платформа: MSI GeForce RTX 4070 Ti SUPER GAMING SLIM [16GB, 8448 CUDA], видеокарта Intel® Core™ i7-14700F [до 5.4GHz, 20 ядер].


Ваш город
Начните вводить название своего города или выберите из списка ниже.
Москва, Санкт-Петербург, Новосибирск, Екатеринбург, Нижний Новгород, Казань, Челябинск, Омск, Самара, Ростов-на-Дону, Уфа, Красноярск, Краснодар, Пермь, Воронеж, Волгоград

Начать чат