太長不看：哪個便宜買那個，個人推薦TR。

顯示卡速度不會有明顯區別。CPU單核速度倆也沒明顯區別，AMD多核速度完爆。

還有跑個題，顯示卡一定要渦輪卡（京東自營似乎不好買，但是不好買也一定要渦輪的），不然等著白白降速20%吧。

用過志強、TR、Core-X、家用i9、R7 3700X跑機器學習。

簡而言之，除了志強低頻垃圾，別的跑著區別不大。多卡平臺TR低廉的價格和不俗的效能讓我印象深刻。

4卡主要看PCIE通道和記憶體大小。還有機器學習可能涉及資料預處理，單核效能也要高一些（傳統指令高權重，AVX/SSE低權重），畢竟個人來說，很多時候能不寫multiprocess版本就不寫了。

PCIE通道對比

4卡，每卡PCI-E x16，總共需要64條通道。倆CPU背後頻寬都不夠。

WS-X299-SAGE可以跑在16x+16x+16x+16x，但是總頻寬i9 9820X僅有44條PCIE通道。Threadripper拋去晶片組用的4條還有60條，但是x399主機板設計的都給了NVME過多的PCIE通道，導致插槽只能16x+8x+16x+8x（完整的48條）。因為給NVME的通道多，SSD會快一點（機器學習mmap流式載入資料時可能用到）。結論：倆區別不大。

單核速度對比

單核Cinebench R15兩者速度幾乎一致。(9820X 177分，2950x 179分。)結論：倆區別不大。

多核速度對比

R15成績：9820X 2170, 2950X 3120.結論：TR完勝

軟體支援對比

Python一般效能測試，在AMD上完勝。AMD上用OpenBLAS，速度和MKL沒區別。少用MKL，用也用打破解補丁的，不然負最佳化受不了。AMD上，Numpy全家桶自己編譯一下，掛上TARGET=ZEN的OpenBlas，能比pip版快30%-100%。Intel上Numpy掛MKL和上者同理，提速神效。AMD上，Matlab可以手動切換成OpenBLAS，速度和MKL沒多大區別。Tensorflow，Pytorch都是顯示卡負載，沒區別。作業系統用過ArchLinux、Ubuntu 16.04。倆CPU感受上沒區別，TR上cat /proc/cpuinfo看著bug少舒服點（笑）。結論：倆區別不大。

價格

這個還用說麼？TR完勝。

現在的顯示卡沒有4X的~你無論買什麼樣的卡到你的主機板上還是會出現瓶頸~不過只要你不玩太大的遊戲也不需要太高的頻寬.所以就看你想玩什麼了,差不多就行了,畢竟915G是辦公級的主機板,別要求太高了~7300GT算是款很不錯的顯示卡了~:)