一直有童鞋问，我要学习数据分析，大数据的学习需要什么样的机器深度学习是一门用来解决复杂问题的技术，例如自然语言处理和图像处理。
深度学习系统本质上是在另一台电脑上安装一个具有深度学习的GPU。GPU是普通计算机和深度学习机器的主要区别。
目前，我们已经可以很快的处理超大计算量的问题——这多亏了GPU，GPU最初就是用于快速生成高分辨率计算机图像，由于它的计算效率使得其非常适合用于深度学习算法。原先需要用好几周才能分析出来的结果，现在几天时间就能完成。
虽然现在的计算机都有GPU，但是并不是所有的GPU都适合用来进行深度学习。对于那些不能深度学习功能的GPU，
首先，检测下你的GPU型号是否有在这个网站中列出（网站链接：https://developer.nvidia.com/cuda-gpus ）。如果有，就意味着你的GPU可以用来深度学习，那你就可以进行下一步的安装软件了。如果你的计算机的GPU不能不支持深度学习，那么继续阅读下文，你就会知道如何用小于$1.5k的花费来装备你的机器.
购买硬件
这个部分，我们来列出构建深度学习机器需要用到的主要设备。如果你对电脑硬件知识不了解或者你觉得这样太费时间。你可以去实体店里购买这些，或者让店里的人给你配。以下列出来的价格是2016年3月，在美国的价格。总共花费$1285，这也是我们参加比赛得到的资助。
主板
主板是结合其他组件，使他们之间的沟通协调。这是一个印刷电路板。
*处理器（CPU）
执行计算能力，就像人的大脑，安装在主板上。
$410 (bundle) – Asus B150i Pro Gaming ITX (Motherboard) + Intel i5 6600k (CPU)
随机存取存储器（RAM）
快速检索信息，安装在另一个主板上
$115 – 16GB (2x8GB), Corair Vengeance DDR4 DRAM 2400MHz
图像处理器(GPU)
为深度学习提供一个密集的计算能力。我们选择的GPU是GTX970，我们买了个小型的，这样方便携带。另外一个老一点的GPU，GTX770，可以构建一个深度学习模型在33分钟内完成20次迭代。这样的话，我们的机器比预期的更快了些。
$415 – 4GB, Gigabyte GTX970 ITX GDDR5
电源供应设备（PSU）
电源，不解释
$75 – 550W, Cooler Master G550M
硬盘（HDD）
提供永久，大容量存储
$160 – 4TB, Western Digital Blue 5400 RPM
CPU 冷却器
就是CPU风扇啦
$35 – Cooler Master GeminII M4
Case
带USB接口的其他的一些配件
$50 – Cooler Master Elite 110
Assembly
$25 – 店内服务安全,连接组件。
组装完后，连接上显示器，鼠标和键盘就能用了。
组装好后就可以按照Linux来使用了。