Создание локального ML сервера за один день
Я успешно собрал локальный сервер для машинного обучения всего за один день. В процессе выбора видеокарт я остановился на двух RTX 2060, которые обеспечивают отличную производительность благодаря поддержке современных фреймворков и встроенным Tensor Cores. Они генерируют изображения с помощью Stable Diffusion за 35-40 секунд при разрешении 512×512.
Материнская плата Gigabyte Z390-D была выбрана за поддержку dual-GPU и аппаратного RAID. Настройки BIOS позволили оптимизировать работу системы, отключив встроенную графику и активировав Re-Size BAR для повышения производительности.
В качестве дисковой системы я использовал шесть дисков с RAID 1 для надежности. Windows и Python установлены на SSD, а архивы размещены на HDD. Виртуальное окружение Python 3.12 изолирует зависимости проектов, а PyTorch с поддержкой CUDA связывает Python с GPU.
Тестирование показало, что обе видеокарты работают без конфликтов, обеспечивая стабильную скорость генерации изображений и анализ данных в реальном времени. Локальное решение оказалось дешевле облачных аналогов и предоставило полный контроль над процессом. Следующий этап — интеграция с ACMER P3 для автоматизации лазерной гравировки.
