因为这两台都不是全新购买的，
没办法比较新品的CP值，
价钱是依拍卖找的“残余价值”
还找得到全新品的也附上价格，
对于现在要买电脑的人来说，
没什么参考价值，看看就好。
后面提供WGAN的运算时间，
但也不要拿来直接比较显卡的效能，
运算过程中，CPU是会经常性单核满载的，
CPU也是影响时间的重要因素。
第一台(主力机)
i7-6700 3.40 GHz turbo 4.00 GHz -$7500(二手价)
MSI Z170 krait gaming -$3500(二手)__$4200(全新)
美光 DDR4-2400 16GB *4 -$19200(全新价)
微星GTX 1060 ARMOR 6G OC -$8000(二手)__$8990(全新)
MX200 250GB -$2580(二手价)
Toshiba 1TB -$800(二手价)__$1390(全新)
总计41580
第二台
i5-3470 3.20 GHz turbo 3.6GHz -$2200(二手价)
ASUS P8B75-M LX PLUS -$1500(二手价)__$2500(全新)
创见 4G DDR3-1600 x2 -$2100(全新价)
技嘉 GV-N75TOC-1GI -$1500(二手价)
Toshiba 1TB -$800(二手价)__$1390(全新)
总计8100
以上不计机壳、萤幕、键鼠组
额外设备:
飞瑞UPS-1000VA -$2080(全新价)
WGAN简介:(以图片为例)
生成对抗网络的延伸型，
内含两个model，
一个生成model在真图加上讯号生成假图片，
一个分类model将全部图片分类成真图跟假图，
生成model想办法模仿真图，
分类model像办法正确分类出来，
最后令分类model没办法判断谁真谁假，
生成出来的假图可用于训练其它深度网络。
主力机跑WGAN范例
到达300Ksteps时花费164148sec
http://i.imgur.com/1zhGHOB.jpg
二号机跑WGAN范例
到达300Ksteps时花费995381sec
http://i.imgur.com/abKpahk.jpg
两者效能差距6.06倍
残余价值差距约5倍
若跑更吃RAM的Model，效能差距会更大
结论:
一分钱一分获 & 深度学习烧钱烧脑
二号机的显卡内存1GB太小，
所以batchSize设很小，只有8
观察gpu使用率时也发现gpu经常性闲置。
而主力机的BatchSize在48~64之间，
皆可维持GPU满载，
调得更多时没有发现有多吃VRAM或变快的情形
显卡温度过程中都很稳定，
以这次WGAN范例来说，
个人建议3GB的VRAM。
主力机后来没跑完WGAN，
跑到620Ksteps我就停了，
总时间342967sec
让二号机跑完可能要一个月
http://i.imgur.com/jZMEq4l.jpg