学习机器学习相关的算法和演练流行的平台或框架，不需要特别强大的设备。
这对大多数人来说都不难，深度学习对CPU要求不是很高，多是数据的预处理和给GPU输送数据，普通的i7就差不多，最便宜的E3也可以。如果手上的电脑没超过五年，简单的升级一下自己手上的电脑即可。
一般就四步：
1.加显卡: 1050ti 4G<省钱，入门>，1070ti<性价比最高，价格还不错>，高端可选1080ti。
主流显卡性价对比
勿买3G显存版本，好多CNN的sample 都跑不起来。买个大厂的公版即可，没必要买那些超频的版本。
很多论坛上面说，GTX1080性价比很高，刚出来的GTX1080ti性价比也不错。
2. 加内存: 买来插上即可/当然，
内存至少16GB，如果有富裕的钱差不多可以上32或者64GB。
3. 有个SSD硬盘效果更佳,换装SSD后，数据准备/生成时间从需要隔夜到半天以内，效果显著。SSD还是要搞一个大一点的，如果你用了比较优秀的快速简洁高效深度学习平台比如MXnet dmlc/mxnet · GitHub 很可能会发现磁盘IO会是瓶颈。当然了，如果是TensorFlow这样慢的，那随意了如果预算2W，普通SATA 3的SSD买个大点的就可以了，不需要PCI－E的SSD。配一些普通机械硬盘存储不常用数据。
3.换电源：单显卡>400W，双显卡>700W。也有人说电源需要850瓦以上的，650W其实不够，加显卡的话650W捉襟见肘很不稳定。
基本来说这样就足够了。
破除几个误区：
1.所谓深度学习机器：没有这种特殊的机器，有带CUDA显卡的机器就是可以拿来学深度学习的,在售的多数所谓的科学计算机只是CPU和显卡比较多而已(超算机和类似TPU的专用平台不在讨论之列)。
2.为了深度学习组专用平台： 没有这个必要，只是学习的话，随便找个电脑加一片显卡即可。
3.深度学习是不是要特别高的配置：我见过有个兄弟用笔记本(MBP)玩RCNN也玩得很high。
更多精彩文章欢迎关注微信公众号：深圳程序媛（updatedaybyday）