显卡配置选型：

1.GPU显存与内存是一个1:4的配比：

比如说我们上了2张3090显卡叠加显存是48GB（每张24G显），那机器的内存建议上到192GB。（48*4=192GB），预算有限的话稍微降低一点也是可以的。

2.内存通道：（这个其实差不多就好，因为内存通道是主板决定的，有很多主板就是只有2个内存通道，可不作为重要点考虑）

 比如说我们现在需要128GB内存，按照我们常规操作，我们一般会上两根64GB的内存上去就ok了。但是呢我们其实建议是上四根32GB的。好处就是：

2.1.能够带来更多的内存通道。

2.2.就是为了保证双路机器上的内存故障是不会影响使用一颗cpu的运行。

3.硬盘（视情况而定，一般组内而言，在服务器上面的存储数据不会太多，正常原机器配置可以满足）

4.显卡的选型：

最重要的参数

针对不同深度学习架构，GPU参数的选择优先级是不一样的，总体来说分两条路线：

卷积网络和Transformer**：张量核心>FLOPs（每秒浮点运算次数）>显存带宽>16位浮点计算能力

循环神经网络：显存带宽>16位浮点计算能力>张量核心>FLOPs