به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

با سلام

لطفا اینجانب را برای خرید سیستم مورد نیاز برای پیاده سازی و اجرای الگوریتم های یادگیری ژرف راهنمائی فرمائید.

با تشکر و سپاس

توسط (102 امتیاز)
سلام . بودجه تون چقدره ؟
با سلام

بودجه حدود 5-6 میلیون تومان. ممنون میشم کلا توضیح بدید!
سلام . سوالهای مشابه که قبلا پرسیده شده مثل : http://qa.deeplearning.ir/tag/سخت-افزار
رو دیدید ؟ در سایت بخش کدام کارتهای گرافیک برای یادگیری عمیق مناسب هستند رو خوندید ؟
خب جواب رو جناب پیراهن سیاه لطف کردن . فقط پیشنهاد میکنم سوالهای قبلی رو حتما ببینید و مادربرد رو صحیح انتخاب کنید وگرنه نمیتونید از کارت گرافیکی که تهیه میکنید (مثلا 1080 یا حتی 1080TI استفاده کامل رو ببرید).
با تشکر از پاسخ شما.
استنباط من مادربورد z270 بود به نظر شما مناسب است؟
سلام . بله. چیپست مناسبه . بعدش رو یه مدل مادربرد خوب تحقیق کنید و انشاءالله تمام. پاور هم فراموش نشه. حتما سعی کنید از برندهای معتبر مثل CoolerMaster یا EVGA یا Enermax اول تهیه کنید. هر مدلی هم نگیرید اول خوب سرچ کنید مدلش رو بعد تهیه کنید. خیلی این موضوع مهمه.

1 پاسخ

+2 امتیاز
 
بهترین پاسخ

با سلام
بیشترین هزینه را برای کارت گرافیکی در نظر بگیرید
در حال حاضر Nvidia GTX 1080 Ti بهترین است

توسط (438 امتیاز)
انتخاب شده توسط
بهتر است از مدل 11g این gpu‌ استفاده کنید تا حافظه کم نیاد چون بعضی از  شبکه ها دارای پارامترهای زیادی هستن
...