100RBM求助帮我在我的服务器安装好深度系统

用u深度u盘安装原版win2008r2服务器系统的步骤：1、使用u深度u盘启动盘制作工具制作好的启动u盘2、ghost win7 系统镜像文件第一步：制作完成u深度u盘启动盘第二步：下载Ghost Win7系统镜像文件包，存入u盘启动盘第三步：电脑模式更改成ahci模式，不然安装完成win7系统会出现蓝屏现象（1）正式安装步骤： u深度u盘启动盘连接到电脑，重启后出现开机界面时按下启动快捷键，等待系统进入u深度主菜单后，选取02运行U深度Win8PE装机维护版（新机器），回车键确认（2）进入pe系统后，会自行弹出pe系统自带的系统安装工具"U深度PE装机工具"，点击"浏览"选择u盘中存放的win7系统镜像文件，装机工具将会自动加载系统镜像包所需的安装文件，我们只要选择安装的磁盘分区，接着点击"确定"按键（3）不对弹出的询问提示窗口进行修改，直接按下"确定"即可（4）等待磁盘完成格式化后，将会进行win7镜像文件安装（5）完成上述操作后，只需重启电脑进行后续安装即可，完成后续设置就能进入win7系统

CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强，计算能力则位于其次。而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工。

当需要对大数据bigdata做同样的事情时，GPU更合适，当需要对同一数据做很多事情时，CPU正好合适。

GPU能做什么？关于图形方面的以及大型矩阵运算，如机器学习算法等方面，GPU就能大显身手。

简而言之，CPU擅长统领全局等复杂操作，GPU擅长对大数据进行简单重复操作。CPU是从事复杂脑力劳动的教援，而GPU是进行大量并行计算的体力劳动者。

深度学习是模拟人脑神经系统而建立的数学网络模型，这个模型的最大特点是，需要大数据来训练。因此，对电脑处理器的要求，就是需要大量的并行的重复计算，GPU正好有这个专长。

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。

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

没必要，如果咱们要求服务器的安全性高，不能断电，可以配置双电增加安全性。如果咱们服务器用的时候开机，不用的时候关机，安全性要求低的时候可以不要。不过还是加个电源还是好点的߅也差不了多少钱。

配置深度学习服务器建议考虑蓝海大脑，感觉他们做事情很职业很负责，沟通也比较顺畅。是异构计算的高性能超算平台公司，专注为企业数据中心、云计算、人工智能、边缘计算、生命科学等领域的高性能服务商。毕竟是个大件，还是要找专业的公司靠谱一些。