深度学习（Deep Learning）GPU服务器/工作站
LINKZOL主机配置深度学习参考配置
深度学习是近几年热度非常高的计算应用，其目的在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解析数据；依据其庞大的网络结构，参数等配合大数据，利用其学习能力强等特点，对于图像、音频和文字处理是有非常大的帮助的。
对于初学者来说,就需要对深度学习工具(如Caffe、CNTK、TensorFlow、Theano、Torch等)有所了解；针对自己的方向从网络、模型能力、接口、部署、性能、架构、生态系统、跨平台等方面有个全面的认知。
目前来说，Caffe工具是目前主流的深度学习工具，对卷积神经网络的实现是非常强大的，基于C++在多种设备上可以进行编译，跨平性和部署方面是最佳的选择，同时支持pycaffe接口。
目前LINKZOL深度学习系列GPU服务器/工作站在各大高校，研究所以及研究开发性质的企业应用非常广泛；对于GPU服务器硬件平台的选择首选需要在预算资金范围内选择适合深度学习GPU服务器产品，同时需要要考虑的问题是选择GPU计算卡，
一般来说，深度学习对于双精度要求比较低，因为对于错误率的提升影响不大，同时大部分环境框架都只支持单精度，从稳定性方面考虑NVIDIA Tesla M40计算卡是最佳选择,Tesla M40 GPU 加速器专为深度学习训练而定制，是全球超级快的数据中心深度学习训练加速器,Tesla M40 基于 NVIDIA Maxwell(™) 架构，其性能与 K40 和 K80 相比分别高 2.4 倍和 1.7 倍之多.
从显卡效能及性价比方面考虑，在CUDA核心数尽量多，GPU频率要快，显存要大，带宽要高情况下，NVIDIA GTX TITAN-X及GTX 1080或者新发布的NVIDIA TITAN-X是最优选择。
应用比较广泛的机器型号为为LZ743GR-2G/Q,LZ-748GT-4G/Q以及LZ428GR-8G系列GPU服务器产品，
推荐配置：
计算平台采用：LZ743GR-2G/Q
系统：Ubuntu 14.04.3 x64
CPU:Intel Xeon十核E5-2640v4(2.4GHz,8.0 GT/s)
内存：原厂64GB内存 (8GB×8) DDR4 2133MHZ ECC-REG.（带内存校错技术，最大支持2T）
系统硬盘：INTEL 2.5寸240G 企业级SSD固态硬盘（最大支持8块硬盘，类型：SATA,SSD）
系统硬盘:希捷3.5寸4T 7200RPM 企业级硬盘（最大支持8块硬盘，类型：SATA,SSD;）
GPU卡：2块NVIDIA TATAN-X GPU卡 （CUDA核心数3584个核心，12G DDR5 显存，最大2个GPU卡）
电源：1200W High efficiency (96%)白金电源
（ LZ743GR-2G/Q深度学习GPU工作站）
推荐配置：
计算平台采用：LZ-748GT-4G
系统：Ubuntu 14.04.3 x64
CPU:Intel Xeon十八核E5-2697v4(2.6GHz,9.6 GT/s)
内存：原厂256GB内存 (16GB×16) DDR4 2133MHZ ECC-REG.（带内存校错技术，最大支持2T）
系统硬盘：2块INTEL 2.5寸480G 企业级SSD固态硬盘（最大支持8块硬盘，类型：SATA,SSD）
系统硬盘:3块希捷3.5寸4T 7200RPM 企业级硬盘（最大支持8块硬盘，类型：SATA,SSD;）
GPU卡：4块TESLA M40 GPU计算卡或者4块NVIDIA TATAN-X GPU卡 （CUDA核心数3584个核心，12G DDR5 显存，最大4个GPU卡）
电源：2000W High efficiency (94%)冗余钛金电源
（LZ-748GT-4G深度学习GPU工作站）
推荐配置：
计算平台采用：LZ428GR-8G/Q
系统：Ubuntu 14.04.3 x64
CPU:Intel Xeon二十二核E5-2699v4(2.2GHz,9.6GT/s)
内存：原厂256GB内存 (16GB×16) DDR4 2133MHZ ECC-REG.（带内存校错技术，最大支持2T）
系统硬盘：2块INTEL 2.5寸480G 企业级SSD固态硬盘（最大支持8块硬盘，类型：SATA,SSD）
系统硬盘:3块希捷3.5寸4T 7200RPM 企业级硬盘（最大支持8块硬盘，类型：SATA,SSD;）
GPU卡：8块TESLA M40 GPU计算卡或者8块NVIDIA TATAN-X GPU卡 （CUDA核心数3584个核心，12G DDR5 显存，最大8个GPU卡）
电源：1600W（2+2） High efficiency (96%)钛金电源
(LZ-428GR-8G深度学习GPU服务器)
参考链接：
