Enten det dreier seg om å utvikle medisiner vi tar, velge neste video vi skal se eller bare sjekke værmeldingen, påvirker kunstig intelligens (AI) stadig mer hverdagen vår. Og etter hvert som datamaskinutstyret blir bedre, blir det enklere for små utviklere og entusiaster å utvikle AI hjemme. I dag skal vi gå gjennom noen av de maskinvareaspektene du bør tenke på før du setter sammen en PC for AI-utvikling.
Det er ingen hemmelighet at når det gjelder utvikling av AI, gjelder det at jo større, jo bedre. De største selskapene i verden bruker millioner av dollar på å kjøpe det beste utstyret for å utvikle AI. Og selv om det er mulig å dra nytte av noe av denne kapasiteten selv, kan det å bygge ditt eget system bidra til å optimalisere arbeidsflyten din og spare deg for penger på sikt.
Husk at den brede anvendelsen av AI og maskinlæring også innebærer at det ikke finnes noen universalløsning, så sørg for å ta hensyn til størrelsen og typene data du forventer å jobbe med. Vi ser for oss at denne veiledningen kun skal være et utgangspunkt når du vurderer de ulike faktorene som kan påvirke dine behov innen AI-utvikling.
Vi tilbyr også vår egen CORSAIR AI Workstation – et system som er spesielt optimalisert for avanserte AI-arbeidsflyter på klientsiden, og som er klart til bruk med en gang.
For å starte med et solidt fundament er det viktig å bruke en kraftig CPU med mange kjerner, hyperthreading og høy hastighet, som raskt kan håndtere de store datamengdene du skal legge inn. I tillegg bør du ta hensyn til de CPU-intensive prosessene som inngår i utviklingsarbeidsflyten din. Ting som fysikksimuleringer og forbehandling, som kanskje bare er en del av den vanlige arbeidsbelastningen din, kan legge betydelig belastning på systemet når de brukes i stor skala.
I tillegg til den vanlige belastningen på prosessoren, bør du sørge for at den kan håndtere resten av systemet ditt. Selv om dette ikke er noe den gjennomsnittlige spilleren trenger å tenke på, kan det hende du ønsker å gå utover de vanlige behovene for å få nok ytelse til ditt personlige prosjekt. Høyere ytelsesklasser av CPU-er, som Intels Xeon-serie og AMDs Threadripper-serie, kan støtte 8 eller flere RAM-moduler samtidig som de driver opptil 4 grafikkort via sine ekstra PCIe-baner. Faktisk kan noen hovedkort støtte mer enn 4 GPU-er, men da går vi litt for langt.
NVIDIA er utvilsomt i forkant når det gjelder GPU-akselerasjon innen maskinlæring og AI-applikasjoner. Deres dominerende posisjon på markedet innebærer at mange ML-rammeverk på programvaresiden er spesielt optimalisert for NVIDIA-GPU-er. Dette skyldes i stor grad tensor-kjernene som har vært inkludert i alle RTX-kort siden 20-serien. Tensorkjerner er dedikerte brikker som er spesialisert på funksjoner som brukes til å trene nevrale nettverk. De har muliggjort mange nye funksjoner, som for eksempel operasjoner med blandet presisjon, noe som gir større kontroll over avveiningen mellom hastighet og dybde.
Med de økende kravene til VRAM er selv vanlige spillere på jakt etter litt ekstra kapasitet, og det samme gjelder utviklere. Noen av de mest populære AI- og ML-produktene dreier seg nå om generering og bearbeiding av bilder. Trening av denne typen nettverk krever et datasett med bilder som skal lagres i VRAM under treningen. 12 GB er nok til å begynne med, men som alltid bør du vurdere hvilken type arbeid du skal utføre og tilpasse kapasiteten deretter.
RAM fungerer på lignende måte som VRAM. Det gjør at datamaskinen din kan behandle større datasett og instruksjoner, noe som vil variere sterkt avhengig av hvilken type arbeid du utfører. Det anbefales generelt å laste inn hele testdatasettet i RAM før du begynner å jobbe med det, så det er alltid lurt å ha store mengder RAM. Vi anbefaler minst 32 GB, men med innføringen av DDR5 kan du nå få opptil 48 GB på én enkelt minnebrikke. For eksempel vil vårt CORSAIR VENGEANCE 2x48 GB -sett være perfekt for denne bruken.
Til slutt må alle disse dataene lagres på lang sikt. De høye hastighetene til NVMe-SSD-er vil være avgjørende for å flytte store datamengder inn i RAM-minnet, noe som er avgjørende hvis du arbeider med mer data enn RAM-minnet ditt kan romme. Avanserte NVMe-stasjoner som vår MP600 kan romme opptil 4 TB med data, men tregere SATA-stasjoner eller HDD-er kan brukes til langsiktig lagring av større datamengder. For treningsprosessen anbefales ikke disse, men de kan være det eneste alternativet for ekstremt store datasett.
Hvis du skal begynne med AI-utvikling og ønsker en maskin som er optimalisert for rask, privat og skalerbar lokal inferens – uten å måtte gå gjennom alt bryet med å bygge den selv – så er CORSAIR AI WORKSTATION 300 en fleksibel plattform med høy ytelse, spesielt utviklet for moderne AI-arbeidsbelastninger.
AI Workstation 300 er tilgjengelig i flere konfigurasjoner som passer til dine krav til ytelse og minne, og hver modell er utstyrt med de nyeste AMD Ryzen™ AI-prosessorene, kraftig integrert Radeon™-grafikk og opptil 128 GB LPDDR5X-minne.
Systemet er utviklet for lydløs drift med væskekjøling og er spesielt optimalisert for avanserte AI-arbeidsflyter på klientsiden, som for eksempel LM Studio og Stable Diffusion med Amuse-ai.
Funksjoner:
Utforsk hele vårt utvalg av AI-arbeidsstasjoner for å finne den riktige konfigurasjonen for dine behov.
I takt med at bransjen tar i bruk stadig mer maskinvare spesielt utviklet for AI, blir det stadig enklere å bruke og utvikle programvare for dyp læring. Vi håper denne veiledningen vil hjelpe deg med å tenke gjennom noen av de hensynene du må ta når du skal sette sammen en PC for AI-utvikling.
Ta en titt på CORSAIR.com for å finne våre beste produkter innen kjøling, RAM, lagring og mye mer til din neste PC-bygging.
PRODUKTER I ARTIKKEL
Stay up to date with CORSAIR. Get our latest News, Guides, and Product Updates in your Google feeds.
Add CORSAIR as a preferred sourceThanks for helping us improve this article.
JOIN OUR OFFICIAL CORSAIR COMMUNITIES
Join our official CORSAIR Communities! Whether you're new or old to PC Building, have questions about our products, or want to chat about the latest PC, tech, and gaming trends, our community is the place for you.