到底什么是深度学习液冷服务器IO的驱动能力？

蓝海大脑作为深度学习、高性能计算、生命科学、医药研发、遥感测绘领域的资深专家认为：这里驱动能力是指，在小于等于最大输入电流的情况下，I/O引脚可以正常的输出逻辑0。道理同上，流过N-MOS电流越大，N-MOS产生压降越大，I/O口电压越大。当电压达到逻辑0的最高电压Vol时，这时的电流就表示驱动能力。

1）I/O驱动能力是指在同时满足Voh(输出引脚为逻辑1时的最小电压值) 和 Vol(输出引脚为逻辑0时的最大电压值）前提下，最大可以输出和吸收的电流大小。Voh和Vol的值在芯片数据手册中可以查到。

2）如果某I/O的驱动能力是5mA，并不是表示它输出不了超过5mA的电流，只是当输出电流超过5mA之后，它的输出电压会下降，电压会小于Voh。

3）I/O驱动能力的差异来源于MOS管自身的特性，要想过电流能力大，MOS管体积就要大，芯片所需的面积就会更大，成本自然也会更高。所以通常MCU只是一部分I/O具有高驱动能力，并不是每一个I/O都做成了高驱动能力。

实验室没有服务器可以用Googlecolab跑深度学习模型。具体操作步骤如下：

1、创建colab文件：进入Google云盘后，创建一个colab文件。第一次使用，会存在colab选项不显示的情况，点击关联更多应用即可。点击colab选项后会跳转到一个页面，与jupyter基本一模一样，可输入代码段，能连接服务器，有文件目录、colab文件名和使用选项。

2、配置colab环境：点击修改后点击笔记本设置就可以配置gpu了，硬件加速器选择gpu，点击连接即配置好环境，将Googledrive的云空间连接起来，就有了drive文件夹，现在配置已经全部完成。

3、配置完成就可以使用Googlecolab跑深度学习模型了，gpu是k80计算速度慢，可以再新建一个colab文件，两三次就可以开到p100了。gpu用完的场景，需要1天时间恢复，可以再弄一个谷歌账号重复上述操作。

本身ghost就支持网克。不支持的原因只有两个。一个是没有加载网卡驱动。第二个是没有给加载了驱动的网卡分配IP(dos下的网卡驱动是靠命令来指定IP地址的，如果有dhcp就省了这一步，如果在windows环境中，大多数情况网卡都已被驱动，只需要指定一下IP网克就可以用了，而不是辅助的功劳)

各类无盘各有优点和缺点，简单说几个做过的软件之间的比较吧： 易游无盘（系统加虚拟盘）：优点，游戏虚拟盘出盘速度及稳定性还不错，游戏更新比较及时，ARP绑定和客户机流控很强悍；缺点，客户机只能添加一个镜像包，做过锐起的人很不习惯，不能自由排除不参与局域网无盘启动的服务端网卡IP（这点针对于服务器独立设置外网IP的网吧），容错率不高，服务端操作界面不够人性化，不支持第三方无盘软件，带机量和服务器内存成正比 网维无盘（系统加虚拟盘）：优点，游戏更新速度是同类软件中最好的，安装设置和操作界面比较简单，游戏虚拟盘支持第三方无盘软件，ARP绑定和流控也还过的去（该功能不支持第三方无盘软件）；缺点，客户机也只能添加一个镜像包，系统同步数据容易出错，虚拟盘服务容易异常，容错率差，带机量和服务器内存成正比 锐起无盘（全镜像出盘）：优点，全镜像出盘，稳定性无与伦比，能达到真正意义上的多服务器热备功能，带机量对服务器内存要求不高，服务端操作较为简单，容错率高；缺点：游戏更新惨不忍睹（更新速度过快时容易造成服务假死），由于是后台开包写入所以对游戏的一些增减操作等待时间比较长，必须用第三方缓存工具（37版本后才加入镜像缓存功能），安全防御属于鸡肋功能，不用还好，用了尽出怪问题 网众（价格比较乱来）和锐起类似，信佑（免费的不做）和易游、网维类似 以上只是简单的几点比较，但在实际使用中是远远不止这些的。做出的稳定性和速度和个人技术、细节处理息息相关。

CPU和主板支持什么内存就插哪种。主要参数就是类型，ddr4，ddr3这种的表示。频率要看主板支持多大，在主板BIOS设置中要设置才会倍频，要不白买高频率的了。

内存大小，当然越大越好！还是那句话看主板支持多大的内存。一般16g一个人用足够，多个人怎么也得32g吧。毕竟matlab有时还是会用到的,内存别太小。

一般就是看威刚，金士顿，芝奇，海盗船这几个牌子，芝奇，海盗船用的晶元据说好一些，金士顿也有骇客神条，还是看预算吧，一般不会差太多钱。

支持深度学习服务器定制，欢迎了解更多解决方案：网页链接

蓝海大脑作为深度学习、高性能计算研究领域的专家认为：

深度学习服务器/工作站，不能单独考虑硬件配置高低，以及预算多少，要根据使用者的类型，配置合理的硬件，硬件配置至少分为两个类型：

一、深度学习开发工作站/服务器

基本要求：

1）处理器:8核或以上

2）内存：64G内存或以上

3）GPU：1-4块GTX1080Ti,GTX Titan XP/V,Quadro GP100

4）系统硬盘：选用高速的SSD固态硬盘

二、深度学习训练工作站/服务器

基本要求：

1）处理器:8核或以上

2）内存：128G内存以上

3）GPU：4-10块Tesla系列GPU（K40,K80,P100,V100）

4）系统硬盘：选用高速的SSD固态硬盘组阵列（工作站：要求噪音小，适合办公室使用，服务器：要求密度高，噪音大，一般适用于机房）