![](https://steemitimages.com/0x0/https://steemitimages.com/DQmP3FY3ArpPywexfPULBYVbK3gQcvwMHVUEA91m1KhEcaC/dl4d.png)


그래픽카드를 정했다면 이제는 나머지 부품을 정해야한다. 여기에 관련된 정보를 잘 정리해놓은 영문 사이트로는 [Tim Dettmers의 블로그](http://timdettmers.com/2015/03/09/deep-learning-hardware-guide/)가 있다. 이 포스팅에서는 이 내용을 토대로 간단히 요약만 하겠다.

## CPU

가장 먼저 정해야 할 것은 CPU이다. 사실 CPU에 딱히 큰 제약은 없다. 특히 우리처럼 1개의 GPU만 이용할 사람들은 중저가형 CPU를 사도 무방하다. 하지만 클럭이 올라가면 좀 더 쾌적한 작업이 가능하니 적당한 선에서 Intel i5 정도를 사는 것이 가장 무난해보인다. 가성비를 따진다면 인텔 가성비 킹이라 할 수 있는 G4560이나 AMD의 Ryzen도 추천할만하다. 참고로 필자는 AMD의 Ryzen 1700을 쓰는데 딥러닝을 하는데 전혀 문제가 없다. 단 AMD는 멀티 GPU를 하는 데 있어서 메인보드가 제약이 되므로 주의하자.


## 메인보드

CPU를 골랐다면 그 CPU에 맞는 소켓을 지원하는 메인보드를 골라야한다. 인텔은 대부분 LGA 1151일테고, AMD는 Ryzen용 메인보드라고 나오는 것들이 있다. 여기서 주의해야 할 것은 PCI Express 3.0 슬롯개수이다. 우리는 최소 1개의 GPU가 필요하니 PCIe 3.0이 1개는 있어야한다. 만약 멀티 GPU를 사용할 것이라면 PCIe 3.0 슬롯이 GPU 개수만큼 있어야 한다.


## SSD

하드디스크는 절대 고려사항이 되어서는 안된다. 무조건 SSD로 가야한다. 용량은 본인이 다룰 예정인 데이터에 따라 달라지겠지만 256기가 정도면 무난하다고 생각한다. 물론 돈이 있다면 클 수록 좋다. 하지만 SSD는 나중에 쉽게 추가할 수도 있으니 너무 무리하지는 말자.


## RAM

최소 사양은 본인 그래픽카드 메모리보다 많아야 한다. 참고로 1080 Ti는 메모리가 11G이다. 안전하게 16G 이상으로 가는 것이 좋다. 램 슬롯은 보통 4개이니 8G x 2개로 해도 좋고, 본인이 나중에 램을 엄청나게 쓸 것 같으면 16G 한 개를 꼽아도 된다. 램을 살 때에는 메인보드와 호환이 되는지 봐야한다. 보통 두 가지를 확인하는데, 규격(DDR4 또는 DDR3. 요즘은 대부분 DDR4) 그리고 램 클럭속도(라이젠의 경우 2677 이상 추천)이다.


## 파워서플라이

이제 부품을 다 골랐으니 파워를 고를 차례이다. 여기서 중요한 한마디를 하자면, 파워에는 돈을 아끼지 말아야한다. 왜냐하면 파워가 망가지는 경우 대부분 다른 부품들과 함께 죽기 때문에 그 피해가 어마어마하다 (뻥궁 사례가 대표적이다). 파워를 고르는 쉬운 기준으로는 1) 최대 전력사용량 *1.5 이상, 2) 80 Plus Gold 등급이상이 있다. 플래티넘이나 티타늄 등급 파워도 돈만 있다면 고려할만하다.
그럼 최대 전력사용량은 어떻게 구할까? 사실 부품 전부에 대해서 구할 필요는 없고, CPU랑 GPU만 알면 대략적으로 괜찮다. 대개 제품설명에 나오거나 구글링하면 나오는데 G4560의 경우에는 TDP가 54W로 나오고, i5-6400은 65W이다. Ryzen 1700의 경우도 65W이다. GPU는 저번 포스팅에 올린 위키에 가보면 잘 나와있는데 1080 Ti가 250W, 1070이 150W이다. 따라서 i5-6400과 1080 Ti로 구성된 시스템일 경우
65(CPU) + 250(GPU) + 100(Others) = 415 정도가 나오며, 여기에 1.5를 곱하면 대략 600~650W 정도 파워를 쓰면 안정적이라는 결론이 나온다. 물론 딥러닝은 마니닝처럼 전력을 그렇게 심하게 쓰지는 않는다. 실제로 Ryzen 1700 + 1070 시스템의 경우 딥러닝을 돌리면 150W 정도로 나온다. 그래도 파워 터지는 것보단 지금 2~3만원 더 쓰는게 나으니 좋은 파워로 넉넉하게 가도록 하자.


## 케이스/쿨링

케이스가 너무 작으면 GPU가 안 들어간다. 또한 쿨링이 잘 되지 않으면 작업이 느려지기도 한다. 케이스는 보통 미들타워 이상을 추천하며, GPU 쿨링이 잘 되도록 사이드팬을 달아주는 것도 고려해보자. GPU 쿨링에 좀 더 투자하고 싶다면 아예 MSI Seahawk 같은 일체형 수냉 GPU를 사는 것도 좋다.



아래의 견적은 아이x다에서 대충 눈대중으로 맞춰본 것이다. 부품 호환성을 확인하지는 못했으니 대략적으로 가격대가 이렇구나 참고만 하면 좋을 듯하다. (이 사양이면 게임도 잘 돌아간다...)

![2017-04-20 (2).png](https://steemitimages.com/DQmV1n2TjSAyNaTCAURwzCDRZKAcBGHHWRvbA8scfpShwVx/2017-04-20%20(2).png)

다음 포스팅에서는 본격적으로 딥러닝 소프트웨어인 Tensorflow를 깔아보도록 하겠다.
참고로 일반 CPU만으로도 딥러닝을 할 수 있기는 하다. 아주 느려서 문제일뿐... 빠르다는 i7-7700k도 40 GFLOPS (0.04 TFLOPS) 정도이며 이는 1060의 1/100 수준이다.

[초보를 위한 딥러닝 시리즈 목록](https://steemit.com/created/dl4d)