計算機的大腦，所有的數據和邏輯運算都是在這里進行的，這玩意兒好，你不用怕買到假的。因為科技含量太高，小作坊搞 不出來的，所以你只有可能買到二手的。而且這東西只要你不折騰，是最不容易壞的部件，大概率是最后過時了選擇把它換 掉。你要是打算一直用，他能把你送走。
家用級CPU目前只有兩個常用品牌：英特爾、AMD。
臨時存儲數據的地方，相當于人腦的記憶，硬盤中的數據會先讀取到內存中，然后由內存給CPU，CPU處理完成返回給內 存。內存中的數據斷電后會消失，所以你每次開機或者打開某個軟件或文件，都會把軟件或文件數據先讀取到內存。那為什 么CPU不直接讀取硬盤中的內容呢？那是因為硬盤的讀寫速度慢，硬盤的讀寫速度跟不上CPU的處理速度，而內存的讀寫速 度快，所以需要內存這個中間介質。那位又說了，既然內存讀寫這么快，那為啥不把內存當作硬盤使呢？開玩笑，犀牛角什 么價錢，黃牛角什么價錢，一堆黃牛角也賣不出犀牛角一搓磨的價格，我內存顆粒可是本草中的上品。
內存品牌很多：三星、芝奇、金士頓、威剛等等，多的很。詳細等到內存篇再講
相當于人的身體，他鏈接著電腦上所有的硬件，電腦上的硬件通過主板上的線路才能進行數據傳輸，簡單說就是電腦所有部 件都會插在主板上。主板的選擇需要根據CPU來挑選，因為英特爾和AMD的CPU插槽是不通用的，甚至同品牌的不同代
（簡單理解為一個時期吧）的CPU插槽也是不一樣的。英特爾的針腳是在CPU上，AMD的針腳是在主板上的，你要是英特爾CPU配了AMD型號的主板，就相當于一個1找了另一個1，根本沒得插。硬來搞不好都會壞掉。
主板品牌也很多：華碩、微星、七彩虹等等。某嘉辱華，退！退！退！
永久存儲數據的地方，你的學習資料和你下載的軟件斷電后還在，是因為他們被存儲在了硬盤里。硬盤也分兩種，一種是固 態硬盤，一種是機械硬盤。固態硬盤速度快，空間小（其實現在也不小了，完全夠用），貴（相對之下貴），適合裝軟件， 游戲。機械硬盤空間大，速度慢，適合存文件。
硬盤品牌：西部數據、希捷、致態、三星等等，也很多。
也叫圖形處理器，主要處理關于圖像相關的事物，比如你在玩游戲，看電影瀏覽照片時，就是顯卡在工作。
顯卡也分獨立顯卡和集成顯卡，集成顯卡通常集成在CPU或主板上通常只能用作辦公，上網，看視頻等不吃顯卡性能等任務。
獨立顯卡需要單獨購買和安裝，他有自己單獨的圖形處理器和顯存(和內存差不多，不過他是集成在獨立顯卡上的，用于臨 時存儲圖形數據)，可以勝任一些游戲和圖形設計，視頻編輯等任務。
顯卡芯片常見的也有兩家，英偉達和AMD，沒錯又有AMD。當然英特爾家也有顯卡，還有我們的國貨之光，摩爾線程（加 油）
顯卡品牌：華碩，微星，七彩虹，影馳，銘瑄，映眾，耕升。
電腦電腦，他都叫電腦了，肯定需要電源，電源會將我們用的交流電轉成直流電，電源也有不同功率，需要多大點電源具體 要看你的電腦配置，通常配置越高，需要的電源也越大。主要是由CPU和顯卡決定的。電源不光有功率之分，也有大小，轉換效率之分。
電源品牌：長城、全漢、航嘉、鑫谷等等。
CPU在高強度工作時會發出大量的熱量，他需要一個東西幫助他散熱，這個東西就叫散熱器，散熱器一般分水冷和風冷。 風冷就是通過銅管將CPU的熱量導到散熱片上，然后給散熱片裝個風扇降溫
水冷就是將CPU的熱量導到水冷液里，然后水冷液會被水泵泵入冷排(相當于一個帶水管的散熱片)，然后通過風扇給冷排散 熱。
散熱器品牌：九州風神、超頻三、喬思伯、酷冷至尊等等。
房子裝修的再好也只是一個臨時住所，那個小盒才是你永遠的家，同樣的電腦也需要一個小盒當作家。這個小盒就是機箱。 機箱不光是為了好看，還有靜音和防共振的作用，還要考慮通風，不過一般是二者不可兼得。
機箱品牌：長城、喬思伯、先馬等等，這玩意兒就太多了，挑好看的買就完了。
外設的作用就是人與主機進行交互，可以分成輸入設備(我輸入信息給主機)，輸出設備(主機輸出信息給我)
常見的外設有：顯示器，鍵盤，鼠標，耳機，音響，攝像頭等等，這個大家都見過，這里就不說了，以后再展開吧。
好了第二章就先到這里了，第三章開始我們將對主機八個硬件展開詳細討論
查 安妮 郭一璞 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
硬件設備，是任何一名深度學習er不可或缺的核心裝備。各位初級調參魔法師們，你們有沒有感到缺少那一根命中注定的魔杖？
可是，各種CPU、GPU、內存條、外設，那么多品牌種類型號參數，到底該怎么選？
為了幫你湊齊一套能打的裝備，一位名叫Tim Dettmers的歪果小哥哥將自己一年組裝七部工作站的裝機經驗凝練成一篇實用攻略分享了出來，幫你確定一整套硬件選型，并且，還根據今年的新硬件做了推薦。
好啦，下面我們從GPU開始，依次看看各重要部件應該如何選擇，全文超過5000字，預計閱讀時間11分鐘。當然，文末還為大家準備了“精華清單”~
顯卡（GPU）是深度學習的重要部件，甚至比CPU更重要。做深度學習不用GPU只用CPU顯然是不明智的，所以作者Tim先介紹了GPU的選擇。
選購GPU有三大注意事項：性價比、顯存、散熱。
使用16bit的RTX 2070或者RTX 2080 Ti性價比更高。另外在eBay上購買二手的32bit GTX 1070、GTX 1080或者1080 Ti也是不錯的選擇。
除了GPU核心，顯存（GPU RAM）也是不可忽視的部分。RTX比GTX系列顯卡在顯存方面更具優勢，在顯存相同的情況下，RTX能夠訓練兩倍大的模型。
通常對顯存的要求如下：
需要注意的是，如果你購買了多個RTX顯卡，一定不要忽視散熱。兩個顯卡堆疊在相鄰PCI-e插槽，很容易令GPU過熱降頻，可能導致性能下降30%。這個問題后面還會具體討論。
選擇內存（RAM）有兩個參數：時鐘頻率、容量。這兩個參數哪個更重要？
時鐘頻率
炒作內存時鐘頻率是廠家常用的營銷手段，他們宣傳內存越快越好，實際上真的是這樣嗎？
知名數碼博主Linus Tech Tips解答了這個問題：廠商會引誘你購買“更快”的RAM，實際上卻幾乎沒有性能提升。
內存頻率和數據轉移到顯存的速度無關，提高頻率最多只能有3%的性能提升，你還是把錢花在其他地方吧！
內存容量
內存大小不會影響深度學習性能，但是它可能會影響你執行GPU代碼的效率。內存容量大一點，CPU就可以不通過磁盤，直接和GPU交換數據。
所以用戶應該配備與GPU顯存匹配的內存容量。如果有一個24GB顯存的Titan RTX，應該至少有24GB的內存。但是，如果有更多的GPU，則不一定需要更多內存。
Tim認為：內存關系到你能不能集中資源，解決更困難的編程問題。如果有更多的內存，你就可以將注意力集中在更緊迫的問題上，而不用花大量時間解決內存瓶頸。
他還在參加Kaggle比賽的過程中發現，額外的內存對特征工程非常有用。
過分關注CPU的性能和PCIe通道數量，是常見的認知誤區。用戶更需要關注的是CPU和主板組合支持同時運行的GPU數量。
CPU和PCIe
人們對PCIe通道的執念近乎瘋狂！而實際上，它對深度學習性能幾乎沒有影響。
如果只有一個GPU，PCIe通道的作用只是快速地將數據從內存傳輸到顯存。
ImageNet里的32張圖像（32x225x225x3）在16通道上傳輸需要1.1毫秒，在8通道上需要2.3毫秒，在4通道上需要4.5毫秒。
這些只是是理論數字，實際上PCIe的速度只有理論的一半。PCIe通道通常具有納秒級別的延遲，因此可以忽略延遲。
Tim測試了用32張ImageNet圖像的mini-batch，訓練ResNet-152模型所需要的傳輸時間：
因此，在總用時上，從4到16個PCIe通道，性能提升約3.2％。但是，如果PyTorch的數據加載器有固定內存，則性能提升為0％。因此，如果使用單個GPU，請不要在PCIe通道上浪費金錢。
在選擇CPU PCIe通道和主板PCIe通道時，要保證你選擇的組合能支持你想要的GPU數量。如果買了支持2個GPU的主板，而且希望用上2個GPU，就要買支持2個GPU的CPU，但不一定要查看PCIe通道數量。
PCIe通道和多GPU并行計算
如果在多個GPU上訓練網絡，PCIe通道是否重要呢？Tim曾在ICLR 2016上發表了一篇論文指出（https://arxiv.org/abs/1511.04561）：如果你有96個GPU，那么PCIe通道非常重要。
但是，如果GPU數量少于4個，則根本不必關心PCIe通道。幾乎很少有人同時運行超過4個GPU，所以不要在PCIe通道上花冤枉錢。這不重要！
CPU核心數
為了選擇CPU，首先需要了解CPU與深度學習的關系。
CPU為深度學習中起到什么作用？當在GPU上運行深度網絡時，CPU幾乎不會進行任何計算。CPU的主要作用有：（1）啟動GPU函數調用（2）執行CPU函數。
到目前為止，CPU最有用的應用是數據預處理。有兩種不同的通用數據處理策略，具有不同的CPU需求。
第一種策略是在訓練時進行預處理，第二種是在訓練之前進行預處理。
對于第一種策略，高性能的多核CPU能顯著提高效率。建議每個GPU至少有4個線程，即為每個GPU分配兩個CPU核心。Tim預計，每為GPU增加一個核心 ，應該獲得大約0-5％的額外性能提升。
對于第二種策略，不需要非常好的CPU。建議每個GPU至少有2個線程，即為每個GPU分配一個CPU核心。用這種策略，更多內核也不會讓性能顯著提升。
CPU時鐘頻率
4GHz的CPU性能是否比3.5GHz的強？對于相同架構處理器的比較，通常是正確的。但在不同架構處理器之間，不能簡單比較頻率。CPU時鐘頻率并不總是衡量性能的最佳方法。
在深度學習的情況下，CPU參與很少的計算：比如增加一些變量，評估一些布爾表達式，在GPU或程序內進行一些函數調用。所有這些都取決于CPU核心時鐘率。
雖然這種推理似乎很明智，但是在運行深度學習程序時，CPU仍有100％的使用率，那么這里的問題是什么？Tim做了一些CPU的降頻實驗來找出答案。
CPU降頻對性能的影響：
請注意，這些實驗是在一些“上古”CPU（2012年推出的第三代酷睿處理器）上進行的。但是對于近年推出的CPU應該仍然適用。
通常，硬盤不會限制深度學習任務的運行，但如果小看了硬盤的作用，可能會讓你追、悔、莫、及。
想象一下，如果你從硬盤中讀取的數據的速度只有100MB/s，那么加載一個32張ImageNet圖片構成的mini-batch，將耗時185毫秒。
相反，如果在使用數據前異步獲取數據，將在185毫秒內加載這些mini-batch的數據，而ImageNet上大多數神經網絡的計算時間約為200毫秒。所以，在計算狀態時加載下一個mini-batch，性能將不會有任何損失。
Tim小哥推薦的是固態硬盤（SSD），他認為SSD在手，舒適度和效率皆有。和普通硬盤相比，SSD程序啟動和響應速度更快，大文件的預處理更是要快得多。
頂配的體驗就是NVMe SSD了，比一般SSD更流暢。
一個程序員對電源最基礎的期望，首先得是能滿足各種GPU所需能量吧。隨著GPU朝著更低能耗發展，一個質量優秀的PSU能陪你走很久。
應該怎么選？Tim小哥有一套計算方法：將電腦CPU和GPU的功率相加，再額外加上10%的功率算作其他組件的耗能，就得到了功率的峰值。
舉個例子，如果你有4個GPU，每個功率為250瓦，還有一個功率為150瓦的CPU，則需電源提供4×250+150+100=1250瓦的電量。
Tim通常會在此基礎上再額外添加10%確保萬無一失，那就總共需要1375瓦。所以這種情況下，電源性能需達1400瓦。
這樣手把手教學，應該不難理解了。還有一點得注意，即使一個PSU達到了所需瓦數，也可能沒有足夠的PCIe 8-pin或6-pin的接頭，所以買的時候還要確保電源上有足夠多的接頭接GPU。
另外，買一個能效等級高的電源，特別是當你需要連很多GPU并且可能運行很長時間的時候，原因你懂的。
再舉個例子吧，如果以滿功率（1000-1500瓦）運行4 GPU系統、花兩周時間訓練一個卷積神經網絡，需要耗用300-500度電。按德國每度0.2歐元計算，電費最終耗費約折合人民幣455-766元。
如果電源效率降到80%，電費將增加140-203元人民幣。
需要的GPU數量越多，拉開的差距越明顯。PSU的挑選是不是比之前想象的復雜一點？
對于產熱大戶CPU和GPU來說，散熱性不好會降低它們的性能。
對CPU來說，則標配的散熱器，或者AIO水冷散熱器都是不錯的選擇。
但GPU該用哪種散熱方案，卻是個復雜的事。
風冷散熱
如果只有單個GPU，風冷是安全可靠的，但若你GPU多達3-4個，靠空氣冷卻可能就不能滿足需求了。
目前的GPU會在運行算法時將速度提升到最大，所以功耗也達到最大值，一旦溫度超過80℃，很有可能降低速度，無法實現最佳性能。
對于深度學習任務來說這種現象更常見了，一般的散熱風扇遠達不到所需效果，運行幾秒鐘就達到溫度閾值了。如果是用多個GPU，性能可能會降低10%~25%。
怎么辦？目前，英偉達GPU很多是針對游戲設計的，所以對于Windows系統進行了專門的優化，也可以輕松設置風扇方案。
但在Linux系統中這招就不能用了，麻煩的是，很多深度學習庫也都是針對Linux編寫的。
這是一個問題，但也不是無解。
在Linux系統中，你可以進行Xorg服務器的配置，選擇“coolbits”選項，這對于單個GPU還是很奏效。
若你有多個GPU， 就必須模擬一個監視器，Tim小哥說自己嘗試了很長時間，但還是沒有什么改進。
如果你想在空氣冷卻的環境中運行3-4個小時，則最應該注意風扇的設計。
目前市場上的散熱風扇原理大致有兩種：鼓風式的風扇將熱空氣從機箱背面推出，讓涼空氣進來；非鼓風式的風扇是在GPU中吸入空氣達到冷卻效果。
所以，如果你有多個GPU彼此相鄰，那么周圍就沒有冷空氣可用了，所以這種情況，一定不要用非鼓風式的散熱風扇了。
那用什么？接著往下看——
水冷散熱
水冷散熱雖然比風冷法成本略高，但很適用于多個GPU相鄰的情況，它能hold住四個最強勁的GPU保持周身涼爽，是風冷無法企及的效果。
另外，水冷散熱可以更安靜地進行，如果你在公共區域運行多個GPU，水冷的優勢更為凸顯了。
至于大家最關心的成本問題，水冷單個GPU大概需要100美元（約690元人民幣）再加一些額外的前期成本（大約350元人民幣）。
除了財力準備，還需要你投入一些精力，比如額外花時間組裝計算機等。這類事情網上教程已經很多了，只需要幾個小時搞定，后期的維護也不復雜。
結論
對于單個GPU，風冷便宜也夠用；多個GPU情況下，鼓風式的空氣冷卻比較便宜，可能會帶來10%~15%的性能損失。如果想追求散熱極致，水冷散熱安靜且效果最好。
所以，風冷or水冷都合理，看你自己的實際情況和預算了。但小哥最后建議，通常情況下，還是考慮下低成本的風冷吧。
主板應該有足夠的PCIe插槽來支持所需的GPU數量。但需要注意的是，大多數顯卡寬度需要占用兩個PCIe插槽。
如果打算使用多個GPU，就要購買PCIe插槽之間有足夠空間的主板，確保顯卡之間不會相互遮擋。
選機箱的時候，必須保證機箱能裝下主板頂部的全長GPU，雖然大部分機箱是沒問題的，但是萬一你買小了，那就得看商家給不給你七天無理由了……
所以，買之前最好確認一下機箱的尺寸規格，也可以搜一下機箱裝著GPU的圖，有別人的成品圖的話就能買得放心一些。
另外，如果你想用定制水冷的話，保證你的機箱能裝得下散熱器，尤其是給GPU用定制水冷的時候，每個GPU的散熱器都需要占空間。
顯示器
怎么配顯示器還用教？
必須得教。
Tim放出了買家秀：
是的，作為一個成熟的技術人員，用多臺顯示器是基本配置了。
想象一下把買家秀上這三臺顯示器上的內容堆到同一塊屏幕里，來回切換窗口，這得多累人。
GPU：
RTX 2070、RTX 2080 Ti、GTX 1070、GTX 1080、GTX 1080，這些都不錯。
CPU：
1.給每個GPU配1-2個CPU核心，具體要看你預處理數據的方式；
2.頻率要大于2GHz，CPU要能支持你的GPU數量；
3.PCIe通道不重要。
內存：
1.時鐘頻率無關緊要，內存買最便宜的就行了；
2.內存 ≥ 顯存最大的那塊GPU的RAM；
3.內存不用太大，用多少買多少；
4.如果你經常用大型數據集，買更多內存會很有用。
硬盤/SSD：
1.給你的數據集準備足夠大的硬盤（≥3TB）；
2.有SSD會用的舒坦一些，還能預處理小型數據集。
PSU：
1.需要的功率最大值≈（CPU功率+GPU功率）×110%；
2.買一個高能效等級的電源，特別是當你需要連很多GPU并且可能運行很長時間的時，這樣可以節省很多電費；
3.買之前請確保電源上有足夠多的接頭（PCIe 8-pin或6-pin）接GPU。
散熱：
CPU：
標準配置的CPU散熱器或者AIO水冷散熱器；
GPU：
1.單個GPU，風冷散熱即可；
2.若用多個GPU，選擇鼓風式風冷散熱或水冷散熱。
主板：
準備盡可能多的鏈接GPU的PCle插槽，一個GPU需要兩個插槽，每個系統最多4個GPU，不過你也要考慮GPU的厚度。
顯示器：
為了提高效率，多買幾塊屏幕吧。
這篇指南的作者Tim Dettmers去年碩士畢業，目前在華盛頓大學讀博，主要研究知識表達、問答系統和常識推理，曾在UCL機器學習組和微軟實習。
按照去年畢業開始讀博的話，Tim的博士才讀了一年半，現在就已經是三篇頂會論文的作者了，其中還有一篇AAAI是一作，一篇ICLR是唯一作者。
另外，他還是一個刷Kaggle愛好者，曾經在2013年排到全球第63名（前0.22%）。
其實說了這么多，你也不想裝機對不對？
Tim已然料到，所以，在裝機指南之外，他還主動奉獻了一些裝機鼓勵：
雖然買硬件很貴，一不小心搞錯會肉疼，但是不要怕裝電腦這件事。
其一，裝機本身很簡單，主板手冊里都把如何裝機寫的明明白白，比裝樂高難不了多少，還附帶了大量的指南和分步操作視頻，就算你是0經驗小白也能學得會。
其二，裝機這件事，只要有第一次，后面就不難了，因為所有的計算機都是那幾個硬件構成的。所以，只要裝一次，就可以get一門終身技能，投資回報率非常高。
所以，加油準備一臺你自己的設備吧~
原文：
A Full Hardware Guide to Deep Learning
http://timdettmers.com/2018/12/16/deep-learning-hardware-guide/
作者推薦，數碼博主Linus Tech Tips解答疑問：高頻率內存對性能提升有用嗎？（B站官方中文版）：
https://www.bilibili.com/video/av14528439
— 完 —
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
?'?' ? 追蹤AI技術和產品新動態
Intel主板
如果你搭配的CPU想要進行超頻，CPU要滿足后面帶K和X，還需要搭配的主板支持，主板必須是Z系列或者X系列，比如Z590、Z690、Z790等。想要超內存，主板也要Z或者X開頭的才可以。
AMD主板
主板都支持內存超頻，而超CPU需要非A系列主板，比如B550、B560、X570、X670等。
可以考慮一線品牌：華碩、技嘉、微星，如果考慮減少主板預算，也可以考慮七彩虹、銘瑄等二線主板。
10代和11代酷睿中低端產品可以搭配H510系列、B560系列主板。12代中低端可以搭配H610系列、B660系列。高端搭配Z690主板。
13代CPU中低端可以搭配H610系列、B760系列。
14代高端U可搭配Z790的主板。
英特爾CPU目前占據筆記本和臺式電腦市場，性價比高，常見有酷睿i3、i5、i7、i9。
i3系列適合辦公，看視頻，網游等。i5系列適合大型游戲，i7系列適合大型游戲外，還可以專業設計、和剪輯等工作。i9系列適合大型游戲，服務器，Al設計渲染等。
性價比高，性能直逼英特爾，暴發性能強悍，常見系列R5000系列、R7000系列、R9000系列R5000系列適合辦公、視頻、網游、大型游戲R7000系列和R9000系列適合大型游戲、專業圖形設計渲染。
以上選擇是看個人需求性價比可以選擇AMD，想要高度生產力的可以參考英特爾i7系列。
顯卡是用于顯示畫面效果及決定顯示速度的重要部件，顯卡性能指數主要看顯存和位數！市面上主流顯卡芯片主要由NVIDIA和AMD兩大廠商制造，在主機中充當顯示圖形的任務，對喜歡玩游戲和專業圖形設計的人來說，顯卡是非常重要的角色，其可分為核顯、獨立顯卡。
核顯功能集中在CPU內，無獨立顯卡！功耗低、性能穩定、性價比高！其缺點就是性能不太高，大型游戲玩不了、升級不便，適合日常辦公，預算一般的選擇。
獨立顯卡單獨存在，便于升級更換，性能速度運行更快，其缺點就是功耗高、廢電、發熱量大。適合追求游戲體驗高性能以及專業作圖的用戶選擇。
硬盤通常作為電腦的儲存裝置使用，用戶使用電腦時安裝的系統、應用，保存的圖片、視頻等，都儲存在硬盤之內。
硬盤可分為機械硬盤和固態硬盤
機械硬盤（HDD）：作為電腦的儲存空間，機械硬盤看轉數，轉速越大，性能越好，如5400轉<7200轉。
固態硬盤（SSD）：固態硬盤分為2.5寸和M.2結構，固態硬盤的讀取速度比機械硬盤高達數倍，對于數據加載方面有明顯提升，如打開文檔，有固態硬盤可以做到快0.5S以上。
機械和固態的優缺點
機械硬盤（HDD）：優點是價格低廉，2TB以上不管容量還是價格優勢明顯，硬盤壞了可以開盤恢復數據成功率較高，缺點是抗震抗摔能力弱，噪聲有點大。
固態硬盤（SDD）：有點是讀寫速度快，響應快，抗震抗摔，體驗感佳，無噪音，缺點是壞了數據恢復困難。
裝機可以選擇固態硬盤，儲存數據不多可以512G，有條件可以選擇1T容量或者更大，另外也可以固態硬盤和機械硬盤兩者進行搭配。
內存，也稱內存儲器和主存儲器，它用于暫時存放CPU中的運算數據，以及與硬盤等外部存儲器交換的數據。它是外存與CPU進行溝通的橋梁，計算機中所有程序運行都在內存中進行，內存的性能強弱影響計算機整體發揮的水平。只要計算機開始運行，操作系統就會把需要運算的數據，從內存調到CPU中進行運算，當運算完成，CPU將結果傳送出來。
注：內存的運行決定電腦整體運行快慢
目前主流分為DDR3、DDR4、DDR5.有8G、16G、32G、64G單條或套條，辦公類用途建議8-16G的內存容量，玩大型游戲/圖形設計建議選用32G以及更高。
一般主流硬件最多也支持雙通道內存，一般來說最好插2根到4根內存組成雙通道。
一般來說，是不是組雙通道和主板是雙內存插槽還是四內存插槽無關，主流主板雙槽也是雙通道，四槽也是雙通道，插一根內存就是單通道。
主流品牌有：三星、金士頓、威剛、芝奇、海盜船、及國產儲存、金百達、金泰克等。
臺式機電源是電腦中一個非常重要的硬件，相當于人體心臟，關系到整個電腦的運行的健康問題，想要電腦主機穩定運行，避免使用過程中出現各種問題，就必須選擇一個合適襲擊好的電源。
電源的80PlUs是指針對電源效率的國際標準認證。通過這項認證，電源供應商可以證明其電源產品具有較高的能效水平。根據80Plus認證的不同等級，電源產品必須在不同的負載條件下達到相應的能效標準。例如，80Plus銅認證要求電源在20%，50%和100%負載下的效率至少為80%，而80PIUs金認證則要求90%以上。這樣可以保證電源的能效，減少能耗和環境污染。認證有80Plus白牌，80PIus銅牌，80Plus銀牌，80PlUs金牌,80Plus白金牌，80PIus鈦金牌。所以這個80Plus認證是圍繞著電源的“轉化率”和“功率因數”的標準來衡量，標準越高，相對應的電源等級排位越高，最好理解的就是電源省點等級的區分。最主要來說，選擇什么樣的電源取決于電腦整機預算，還有其他硬件要求，來搭配選擇什么樣的功率瓦數。
長城、航嘉、海韻、振華、臺達、酷冷、全漢、海盜船、鑫谷、微星、華碩、骨咖、康舒、先馬等等。
風冷散熱可以理解為是塔式下壓及塔式銅管風冷散熱。常見的銅管為兩銅管、四銅管（單/雙塔）、六銅管（單/雙塔）
水冷散熱有一體式水冷散熱和分體式水冷散熱。常見的一體式水冷有120水冷、240水冷、360水冷。分體式水冷是根據用戶需求手工DIY定制爾達到相應水冷效果。