基于双卡 RTX 4090 搭建家用深度学习主机

租用 GPU 还是购买 GPU？

在构建深度学习工作环境之前，首先需要综合考虑 使用周期、预算、数据隐私 以及 维护成本。如果长期（例如超过一年以上）且对数据安全要求较高，自建 GPU 服务器通常能带来更低的综合成本和更可控的环境；如果只是短期项目，或对数据隐私不敏感，那么租用云上 GPU（如 Azure、AWS、GCP 等）或使用免费平台（Colab、Kaggle）则更加灵活。

• 租用 GPU 的优点：

  • 无需一次性投入高额硬件成本
  • 可根据项目需求弹性扩容
  • 云厂商通常提供数据合规与安全保障，省去硬件运维烦恼

• 购买 GPU 的优点：

  • 长期大规模使用时，整体成本更低
  • 对内部数据和模型有更高的隐私与可控性
  • 硬件可随时调整、升级，部署更灵活

个人建议

1. 如果预算有限或只是初学阶段，可先使用 Colab、Kaggle 或云 GPU；
2. 当算力需求和隐私需求上升时，再考虑自建多卡服务器或租用多机多卡集群。

背景

在 2023 年 9 月，为了在工作之余继续对大模型（LLM）进行探索和研究，我组装了一台 双 RTX 4090 的个人 AI 实验服务器。该服务器已运行近一年，整体体验如下：

• 噪音：服务器放在脚边，满负荷训练时风扇噪音较大，但在日常推理或中等负载下可接受
• 推理性能：双卡共计 48GB 显存，采用 4bit 量化方案时可运行到 70B 级别的模型（如 Llama 70B、Qwen 72B）
• 训练性能：在使用 DeepSpeed 的分布式和 offload 技术（ZeRO-3 + CPU offload）后，可对 34B 左右的模型（如 CodeLlama 34B）进行微调
• 性价比：对于个人或小团队的日常实验和中小规模模型训练而言，该配置较为实用；但若进行超大规模模型的全参数训练，仍需更多专业卡（如多卡 A100 或 H100 集群）

下图展示了不同大小模型、不同训练方法对显存的需求：

搭建思路与配置详情

整机预算在 4 万元人民币（约 6000 美元） 左右，以下是我最终选用的配置清单，仅供参考：

总计：约 42723.3 元

GPU 选择

对于大模型研究，浮点运算性能（TFLOPS） 和 显存容量 是最核心的指标。专业卡（A100、H100 等）虽有更高显存以及 NVLink，但价格动辄数十万人民币，对个人用户并不友好。根据 Tim Dettmers 的调研，RTX 4090 在单位美元算力方面表现非常亮眼，且支持 BF16、Flash Attention 等新特性，因此成为高性价比的选择。

散热方式：涡轮 vs 风冷 vs 水冷

家用推荐：风冷卡 兼顾散热效率、噪音和维护成本；相对于涡轮卡和水冷卡更友好。

CPU & 主板

在深度学习场景中，CPU 主要负责数据预处理、管道调度以及多进程/多线程并行管理，确保数据能够以高吞吐量、低延迟的方式传递到 GPU。因此，CPU 的核心需求主要包括 充足的 PCIe 通道 和 卓越的多线程性能。

• Intel：13/14 代 i9（如 13900K）拥有 20 条 PCIe 主通道，能够满足双卡 x8 + x8 的需求
• AMD：Ryzen 7000/9000 系列（如 7950X）提供 28 条（可用 24 条）PCIe 通道，支持双卡 x8 + x8，并为 M.2 SSD 提供足够带宽

微星 MPG X670E CARBON 主板

• 扩展性：支持 PCIe 5.0 和 DDR5 内存，具备充足的未来升级空间
• 稳定性：高规格供电设计，保障 CPU 与多显卡的稳定运行
• 接口丰富：支持多块 M.2 SSD 和 USB4，满足多样化使用需求

AMD Ryzen 9 7900X 特点

• 核心与线程：12 核心、24 线程，在深度学习场景中的数据预处理和多任务处理方面表现强劲
• PCIe 带宽：提供 28 条（可用 24 条）PCIe 5.0 通道，可轻松支持双卡 x8 + x8，并为 M.2 SSD 提供高速带宽
• 能效比：基于 Zen 4 架构，性能与能耗平衡优秀，适合高性能计算需求

主板选购要点

1. 空间布局
   • RTX 4090 尺寸庞大且卡槽较厚，需确认主板是否能同时容纳两张显卡；若存在空间或散热冲突，可使用显卡延长线竖放第二张卡。
2. PCIe 通道拆分
   • 主板需至少支持双 PCIe 4.0 x8 + x8 配置，以避免出现 x16 + x2 的情况。x16 + x2 的带宽分配会显著限制第二块 GPU 的数据传输能力，进而影响 GPU 与 CPU 之间的数据交换效率。在大模型训练中，这种带宽瓶颈可能导致性能显著下降，严重影响整体训练效率。
3. 扩展性
   • 在双显卡插满的情况下，仍需确保主板具有足够的 M.2 SSD 插槽和外设接口

综合扩展性、性能与性价比等因素，我最终选择了 AMD Ryzen 9 7900X 搭配 微星 MPG X670E CARBON 主板 的组合。通过显卡延长线解决了 4090 双卡过厚导致的插槽冲突问题。

BIOS 设置建议

1. 内存优化
   • 开启 XMP/EXPO（对应 Intel/AMD）以提升内存频率，增强带宽性能。
2. 超频调整
   • 如果需要进一步提升性能，可在 BIOS 中启用 PBO（Precision Boost Overdrive） 或 Intel Performance Tuning，并结合系统监控工具观察稳定性。
3. 温度与稳定性
   • 避免过度超频，注意控制温度，避免因崩溃或过热导致系统不稳定。

内存

深度学习训练中，内存会被大量占用用于数据加载、模型优化状态储存（尤其在多 GPU Zero-stage 并行场景下）。内存容量最好 ≥ 显存总容量的两倍。本配置中，使用了 48GB * 2（共 96GB），满足日常多任务和分布式训练的需求，减少内存不足导致的频繁 swap。

硬盘

• 优先选用 M.2 NVMe SSD：其读写性能更优，对加载超大模型权重、缓存中间文件、训练日志等都有显著速度提升
• 容量建议 ≥ 2TB：随着大模型文件越来越庞大，2TB 往往很快就会被占满，建议根据自身需求选 4TB 或更多
• SSD 品牌：三星、海力士或西部数据等主流大厂都拥有稳定的高端产品线

电源

双 4090 满载时整机功耗可达 900W~1000W 左右，CPU、主板和硬盘等还需额外功率余量。通常建议选择 1500W 以上 的铂金或钛金电源，以确保在高负载下电流供给稳定、降低电压波动带来的系统不稳定。
我在此使用美商海盗船 AX1600i（数字电源），可以通过软件监控实时功耗，并提供充足冗余。

散热与风扇

我采用 风冷 方案，包括：

• CPU 散热器：利民 FC140（双塔式气冷方案，兼顾了较高的散热效率和相对低噪音）
• 机箱风扇：追风者 T30 12cm * 6，保持机箱内部正压或者稍微正压的风道布局，保证显卡和供电模块的进风顺畅

在 GPU 长时间高负载训练（如分布式训练大型模型）时，机箱内的风道管理和风扇配置非常重要。建议使用监控软件及时查看 CPU、GPU、主板供电模块温度，适度调节风扇转速。

散热进阶

• 若对静音有更高要求，可考虑 Hybrid 散热（半水冷方案）或更精细的风扇调速曲线。
• 适度清理机箱灰尘、使用防尘网并定期更换导热硅脂也能提升散热和稳定性。

机箱

RTX 4090 体型巨大，且双卡堆叠时需要充足的内部空间和散热风道。全塔机箱能提供更好的走线空间和气流组织。我选用了 PHANTEKS 追风者 620PC，除了体型大、空间充裕外，也自带良好的线缆管理通道。

装机完成后的图片如下：

系统与软件环境

操作系统方面强烈推荐 Linux，例如 Ubuntu 22.04 LTS，因其对 CUDA、NVIDIA 驱动以及常见深度学习框架有更好的支持和兼容性。大致流程如下：

1. 安装 OS：使用 Ubuntu 或其他 Linux 系统即可。
2. 安装 NVIDIA 驱动：确保 nvidia-smi 能正确识别两张 4090:
   

   

3. 安装 CUDA 工具链：通过 nvcc -V 确认版本信息:
   

   

4. 安装 cuDNN：确保深度学习框架可以调用 GPU 加速卷积和 RNN 等操作
5. 测试框架：使用 PyTorch、TensorFlow 或 JAX 简单测试模型推理/训练是否正常
6. Docker 容器化：
   • 利用 nvidia-container-toolkit 让容器直接访问 GPU 资源，避免主机环境污染。
   • 在多机多卡环境下，还能结合 Kubernetes、Ray 或 Slurm 等进行集群调度与资源管理。

常用工具与框架推荐

1. 训练框架

   • LLaMA-Factory：对大语言模型训练/推理流程有较好封装，新手友好
   • DeepSpeed：支持大模型分布式训练、多种并行策略和优化功能
   • Megatron-LM：NVIDIA 官方的大规模语言模型训练框架，适合多机多卡场景

2. 监控 & 可视化

   • Weights & Biases 或 TensorBoard：实时监控训练过程中的损失函数、学习率等指标，支持远程可视化

3. 推理工具

   • ollama：基于 llama.cpp 的本地推理部署，可快速启动
   • vLLM：主打高并发、多用户场景下的推理吞吐量优化

   Framework	Ollama	vLLM
   作用	简易本地部署 LLM	高并发 / 高吞吐的 LLM 推理
   多请求处理	并发数增加时，推理速度下降明显	并发数增大也能保持较高吞吐
   16 路并发	~17 秒/请求	~9 秒/请求
   吞吐对比	Token 生成速度较慢	Token 生成速度可提升约 2 倍
   极限并发	32 路以上并发时，性能衰减较严重	仍能平稳处理高并发
   适用场景	个人项目或低并发应用	企业级或多用户并发访问

4. WebUI

   • Open-WebUI：基于 Web 界面的多合一 AI 界面，支持多种后端推理（ollama、OpenAI API 等），便于快速原型和可视化

进阶建议

1. 开发与调试效率
   使用 SSH 工具提升远程开发效率，制作自定义容器镜像减少环境配置时间。

2. 量化与剪枝
   通过 4bit、8bit 量化和剪枝技术，减少模型参数和显存需求，优化推理性能。

3. 混合精度训练
   使用 BF16 或 FP16 提升训练速度，结合 GradScaler 提高数值稳定性。

4. CPU 协同优化
   使用多线程、多进程或 RAM Disk 缓存优化数据加载，支持流式加载大规模预训练数据集。

5. 多机集群部署
   通过 InfiniBand 或高速以太网搭建集群，使用 Kubernetes 实现高效资源调度。

总结

通过以上配置与思路，我成功搭建了一台 双卡 RTX 4090 深度学习主机。它在 推理 和 中小规模微调 场景中表现良好，对于想要在个人或小团队环境下进行大模型（LLM）科研或应用探索的人来说，这种方案兼具 性价比 与 灵活性。当然，如果要大规模全参数训练上百亿乃至上千亿参数的大模型，依然需要更多 GPU（如多卡 A100/H100 集群）。

就个人体验而言，双 4090 在预算范围内提供了较好的训练与推理性能，可以满足绝大部分中小规模研究与实验需求，值得有条件的个人或小团队参考。

参考资料

1. Tim Dettmers: Which GPU for Deep Learning? (2023)
2. Intel 14900K PCIe 通道规格
3. AMD R5 7600X PCIe 通道规格
4. MSI MPG X670E CARBON 规格
5. nvidia-container-toolkit
6. LLaMA-Factory
7. DeepSpeed
8. Megatron-LM
9. ollama
10. vLLM
11. Ollama vs VLLM: Which Tool Handles AI Models Better?
12. Open-WebUI

版权声明与引用

声明：本文所涉及的配置清单、价格与建议仅供技术交流与研究参考。实际购买与部署请结合个人预算和需求进行综合评估。若因参考或采纳文中信息导致任何直接或间接后果，本文作者恕不承担责任。
引用：转载或引用本文内容，请注明原作者与出处。

Cited as:

Yue Shui. (Dec 2024). 基于双卡 RTX 4090 搭建家用深度学习主机. https://syhya.github.io/posts/2024-12-21-build-gpu-server

Or

@article{syhya2024build,
  title   = "基于双卡 RTX 4090 搭建家用深度学习主机",
  author  = "Yue Shui",
  journal = "syhya.github.io",
  year    = "2024",
  month   = "Dec",
  url     = "https://syhya.github.io/posts/2024-12-21-build-gpu-server/"