用Linux挖以太(3)-礦架設計

-

14卡礦機架設計筆記

Ver 3.0 Alpha2

這是描述礦機架設計發想的過程，想看最終結果，請跳到後面
裝機部分目前裝到7張卡，之後13卡裝滿，照片之後會補上

Ver1.0

單純把架子拉長
很佔空間，價格也不划算

 


Ver2.0

參考了一些架子的設計，於是取消長條形設計，改成用兩層的設計。
不管是放在房間角落，或搬動都比長條形來的好。

但對於主機板、電供的固定仍沒有定案。

若採用訂製壓克力則成本高昂，且設計費工費時
再加上根據網友回饋，這樣擺線可能會不夠長，因此此版NG。


Ver3.0Alpha2版

此版具有4個電供擺放位置，位於兩旁，並將主機板直立擺放

試裝機



2台振華1300W+h110 pro btc+主機板，沒有線不夠長的問題
如果你沒有這張版，你也可以裝兩張主機板


主機板直立設計可以讓下方無任何障礙物，而實現下方進氣，上方出氣的垂直風道氣流。

此版設計的優點有:

  1. 利用自然熱流散熱，不須加風扇就有一定散熱效果
  2. 可以堆疊很多層
  3. 不須訂製壓克力，造價大約NT1100/台
  4. 線都在靠主機板那側，不會擋到氣流 
  5. 除了寬度以外，其他連接長度都是可以微調成你要的SIZE
  6. 夏天拿個大風扇從正下方往上吹就可以一次吹到所有卡
    (比電腦系統小風扇便宜多了)

缺點有:


  1. 電供目前單純放在架子上，沒有良好固定
  2. 顯卡金屬板是用木條+束帶固定，希望有更好方案(需考慮成本&加工難度)
  3. 不是很好安裝
  4. 架體連接處剛性不足，很容易扭到
  5. 目前沒有硬碟固定方案
  6. 目前沒有整線優化方案

 材料有:

註：這是Alpha版配置，不是很完整，你需要自行研究改良



你可以根據以下照片，在某拍賣找到大部分零件:


這是2028連結器(圖片來自網路)

L型角槽連接器 需搭配M4止付螺絲(圖片來自網路)

這是2020連結器(圖片來自網路)

2020鋁擠(圖片來自網路)



以上是目前礦架的部分，如果有更新版會在更新在此文章



Comments

Post a Comment

Popular posts from this blog

Tensorflow GPU x Windows 10 個人開發環境+多人遠端工作站 架設指南

-
Image
Tensorflow GPU Windows 10 個人開發環境及多人遠端工作站 架設指南 雖然Deep Learning開發的主流作業系統是Ubuntu 但對於非資工本科的開發人員，Win10無疑是更好的選擇 本文將介紹Win10作業系統下Tensorflow-gpu的環境建置 適用於個人電腦安裝 以及如何設置成可供多人使用的小型工作站(適用於學校LAB) 內容包含五個區塊： GPU環境架設 Python環境架設-Anaconda/Miniconda安裝 Tensorflow及相關套件安裝 PyCharm安裝 Windows 10多人遠端桌面設定 GPU環境架設 首先你要先有一張nvidia的顯示卡，建議至少1060 6G以上，最低1050 4G 安裝driver  到 nvidia官方網站 下載gpu driver並安裝 選擇GPU型號、作業系統 下載後執行並開始安裝 安裝介面示意圖，基本上一路按下去就裝完了 (圖片來自網路) 安裝cuda 至下載頁面下載cuda： 下載cuda 8.0  (對應cudnn 6 / tensorflow 1.3&1.4) 下載cuda 9.0  (對應cudnn 7 / tensorflow 1.5) 下載cuda 9.1  (對應cudnn 7 / tensorflow 1.?) 註：若跑tensorflow 1.3/1.4的code建議裝cuda 8.0 如果要使用最新的tensorflow 1.5，則下載cuda 9.0 ※官方release的tensorflow 1.5目前是吃9.0，不是9.1 選擇好你的作業系統後開始下載 一樣一路按下去就裝完了 (圖片來自網路) 安裝cudnn 先前往 cudnn 下載頁面 這邊的話，你必須註冊Nvidia developer帳號並登入才能下載 登入Nvidia developer，或是按Join註冊一個新帳號 註：與其說是註冊帳號，不如說是做Nvidia的問卷調查XD  就照實填就好，看不懂亂填也沒關係 註冊完email認證後，回到下載頁面你會看到如下選單： 你是裝cuda-8.0的話，選cuda-8.0和cudnn-6.0的組合 同理，cuda-9.0
Read more

用Linux挖以太(2)-RX580刷BIOS省電超頻 30-31MH/s @ 96W TDP

-
Image
本篇教學Windows用戶也適用 若你目標是使用Linux來挖礦，建議安裝雙系統， 方便 調整和測試 系統規格: Linux環境 系統: ubuntu 16.04 server 顯示卡: MSI RX580 8G Armor 顯示驅動: 17.40 Windows環境 系統: Windows 10 1709 顯示卡: MSI RX580 8G Armor 顯示驅動: 17.12.2 超頻軟體: Sapphire TRIXX 成果 上篇中調整虛擬記憶體大小後，跑到了 24.5MH/s 本篇刷BIOS後可達31MH/s(三星顆粒) 30MH/s(海力士顆粒) @ 96W TDP 說明 透過安裝正確的驅動及系統設定，即可一定程度優化挖礦效率。然而，要進一步提升效率，得使用超頻程式，或修改顯示卡的內部設定檔，做進一步優化。 但是linux並沒有超頻程式可用，因此只能透過改BIOS來超頻。除了改BIOS的記憶體時序(Timing)外，也要把記憶體時脈(Core Clock)、核心時脈(Memory Clock)、電壓(Core Voltage)、功耗(TDP)等設定一併寫入BIOS中 注意!! 修改BIOS或超頻本身具有一定風險，可能導致你的板子壽命縮短，甚至損毀。縱使近年晶片防護措施已趨完善，沒有那麼容易被超爆，但還是請小心使用。 刷BIOS可能會破壞保固，讓製造商拒保，請先查詢您製造商所提供之保固條款，了解其風險後，再決定要不要刷BIOS來超頻。 步驟 須先安裝好雙windows+ubuntu雙系統 (如果你只要在Windows挖就跳過此步驟) 可參考先前的Linux設定教學 用RX580在Linux下挖礦-上篇-系統設定(Ubuntu 16.04 Server)   從 國外論壇 下載時序優化過的ROM(BIOS設定檔)來用： 我是用 MSI RX 580 8GB ARMOR這張卡，在這個頁面找到改好的ROM檔 https://anorak.tech/t/msi-rx-580-armor/5395 我是抓 Anoraks_MSI RX 580 8GB ARMOR Hynix Samsung_memshift-1750.rom 註：不同卡的ROM不能直接混
Read more

PyTorch x Windows x GPU 安裝說明

-
Image
若你是要安裝CPU版，請跳過前面，至Python環境架設章節  安裝driver  到 nvidia官方網站 下載gpu driver並安裝 選擇GPU型號、作業系統 下載後執行並開始安裝 安裝介面示意圖，基本上一路按下去就裝完了 (圖片來自網路) 安裝cuda 至下載頁面下載cuda： 下載cuda 9.0  (對應cudnn 7) 選擇好你的作業系統後開始下載 一樣一路按下去就裝完了 (圖片來自網路) 安裝cudnn 先前往 cudnn 下載頁面 這邊的話，你必須註冊Nvidia developer帳號並登入才能下載 登入Nvidia developer，或是按Join註冊一個新帳號 註：與其說是註冊帳號，不如說是做Nvidia的問卷調查XD  就照實填就好，看不懂亂填也沒關係 註冊完email認證後，回到下載頁面你會看到如下選單： 選cuda-9.0和cudnn-7.0.5的組合 點進去選對應你作業系統的檔案來抓 cudnn沒有安裝程式，下載後，請依照如下步驟安裝： 將下載的cudnn的zip檔解壓縮 找到cuda安裝路徑，長得像是： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 把解壓縮得到的檔案丟進去 Python環境架設 如果你不喜歡容量很肥的Anaconda，也可以使用精簡版的Miniconda 下載Anaconda   (包含許多Data Science常用的套件，在個人電腦使用建議用這個) 下載Miniconda   (乾淨的精簡版，但你會需要手動安裝許多相關套件) 若你電腦從未安裝過Python，建議照以下方式安裝 註：如果你是照著本篇的步驟一步一步做，建議抓Anaconda，以免套件東缺西少。 (示範圖片是Miniconda，但步驟相同) 選Just Me 兩個都勾 剩下一路點到完 裝完後測試方式： 對左下角Windows圖示點右鍵叫出選單，開啟PowerShell(用cmd也可以) 分別輸入Get-Command python 、 Get-Command conda 、 Get-Command pip 查看python, c
Read more