[yurfed]

Yez, для каких целей апгрейд видео? И причём тут ИИ?
Да, согласен, видео тоже берёт на себя часть функций процессора в режиме расчётов.

[Yez]

Yez, для каких целей апгрейд видео? И причём тут ИИ? Да, согласен, видео тоже берёт на себя часть функций процессора в режиме расчётов. »

Про какой вы апгрейд видео? Или вы про разгон?

[bredych]

Имеет ли значение процессор в deep learning? »

но если вы собираете комп для этой задачи, вы, наверно, знаете, какие требования к железу?
Ну или хотя бы, как будет организовано это обучение.
Почему вы нас спрашиваете то, что, по идее, мы должны спросить?

[fox_cub]

Yez, каков бюджет покупки ПК и что вы имеете в виду когда говорите об "обучении ИИ"?
P.S. Русский язык для вас родной или...?

[shisik]

Был у меня проект, связанный с ML и распознаванием избражений. Работал на GTX1070 в связке с i3 6100. С большими датасетами (точнее при динамической генерации вариантов типа рандомный сдвиг, поворот и т.п.) узким местом был проц, но здесь надо брать во внимание используемое ПО. У меня были python + numpy + keras и tensorflow в качестве бекенда, потому проц задействовал только одно ядро. Хотя TF вроде поддерживает многоядерность, но питон - нет.

По видеокарте. В идеале берите чем мощнее, тем лучше.
Насчёт 2 видеокарт - проверьте, поддерживает ли это дело ваше ПО.
По производителю - выбирайте точно так, как для игр или майнинга. MSI, Asus, Gigabyte. Заводской разгон - норм. Побольше вентиляторов - тоже хорошо.
Памяти видюхе в данном случае много не бывает. С приличным по размеру датасетом её всегда не хватает и чем её больше, тем большими кусками можно обучать. Это позитивно скажется на скорости.

Что будет из этого лучше, если 1060 будет две карты и 3070»

Вот здесь не понял. Вы собрались вместе воткнуть 2 карты 1060 и одну 3070? Так не выйдет, насколько я знаю. Карты одинаковыми должны быть.

[Yez]

но если вы собираете комп для этой задачи, вы, наверно, знаете, какие требования к железу? Ну или хотя бы, как будет организовано это обучение. Почему вы нас спрашиваете то, что, по идее, мы должны спросить? »

python3 как ЯП
anaconda - виртуальные окружение, менеджер модулей
jupiter notebook

модули:
pytorch - либа для обучение/запуска ML моделей
torchvision, PIL - трансформация изображений
python flask - для веб сервера

В двух словах, обучается все на дата сете с фото машин (экстерьера), чтобы ИИ мог сам определять, что это такая-то модель машины, примерно такого-то года.

[Yez]

Вот здесь не понял. Вы собрались вместе воткнуть 2 карты 1060 и одну 3070? Так не выйдет, насколько я знаю. Карты одинаковыми должны быть. »

Спасибо! Нет, две одинаковые карты.

[shisik]

torchvision, PIL - трансформация изображений »

А бэкенд какой? torchvision - это ж вроде как питоновская либа, но она наверняка использует какой-то высокопроизводительный движок типа TF. Надо выяснить, поддерживает ли он несколько видюх и что в таком случае с прооизводительностью.

python flask - для веб сервера »

Это для обучения не важно.

python3 как ЯП »

Экспериментально было установлено, что python 2.7 процентов на 20 быстрее. Хотя это не повлияет на скорость обучения, если процесс упрётся в видеокарту (так по идее и должно быть). Да и умер он уже, в смысле 2.x

[Yez]

А бэкенд какой? torchvision - это ж вроде как питоновская либа, но она наверняка использует какой-то высокопроизводительный движок типа TF. Надо выяснить, поддерживает ли он несколько видюх и что в таком случае с прооизводительностью. »

keras + tensorflow или pytorch