一萬塊以下的話,就推薦兩款輕薄本。
輕薄本的算力有限,只適合普通的機器學習和入門級的深度學習。但是目前大型的深度學習模型,也已經不是普通單機能玩轉的,更別提筆記本了。所以,輕薄本只是一個不得已情況下的一個明智選擇。
不過要註意,M1版的Air,目前還沒有開發出適配Metal環境的PyTorch,還好TensorFlow配有外掛程式了。當然了,CPU本身也能跑深度學習的 入門級模型 的不是麽。
所以,這兩款電腦,比較適合的是中等或普通強度的建模,或者日常的工作和學習。想要搞專業的高強度的建模,那還是上更高的顯卡——如果同時還考慮便攜、續航,那麽價格很容易就破w,甚至奔2萬去了。搞這麽高強度的建模,不如弄台桌上型電腦了。或者幹脆是輕薄本+雲伺服器。
這不巧了,咱今天提到的這兩本也可以算是輕薄本,尤其是Air。
Air所謂的乞丐版在知乎上的討論已經很多,各種測評也是應有盡有。總的來說,M1芯片已經被證明達到了預期——M1版的Air在某些地方的表現,甚至超越了價格是2倍的英特爾i9高配版Pro。事實證明,蘋果的牛皮沒有吹破。
Btw,以前個人不喜歡Mac OS是因為身邊人用它搞日常Office老崩潰。不過那是老一代的Macbook Air,在2018年硬件升級之後的Air——尤其是配備M1芯片的Air,不僅Office很穩定,機器學習跑到飛起,還比因特爾的i5/i7更省電。
這也太優秀了吧。
於是本人果斷入手,硬著頭皮學起了MacOS。
學了一段時間,發現操控還挺順的。怪不得現在的高校裏邊,尤其是美國這邊,都是Air的天下了。
下面附上的連結都是京東自營:
另外,如果實在離不開Windows,PC裏面當然就推薦性價比最高的小米了。
這分辨率2.5K和Air一樣,但重新整理率達到120HZ的屏,實在讓我流口水——如果不是身在海外,我很可能就買的紅米了。另外,這個電腦整體效能和Air相比各有所長,綜合效能優秀,同樣值得推薦。
MacBook Air 2020 M1 | 小米 Pro X 14 | |
---|---|---|
CPU/GPU |
M1:8核CPU;
7核GPU;16核神經網絡引擎 |
11代酷睿i7-11370H;
RTX3050 顯卡 |
分辨率 | 2560*1600,400尼特 | 2560*1600,300尼特 |
重量 | 1.29 kg | 1.6 kg |
螢幕尺寸 | 13.3 | 14 |
續航 | 最長18小時 | 最長8.5小時 |
記憶體+硬碟 | 8+512 | 16+512 |
系統 | Mac OS | Win 10(免費升11) |
Btw,搞機器學習其實最專業的系統是Linux。人家系統首先就內建了R/Python等編程工具,且各種機器學習包都首推Linux,其次才輪到Windows/MacOS。不過,如果硬碟和記憶體夠大,Mac和Windows裝個虛擬機器,同樣能玩轉Linux。
Btw,如果預算更多,覺得3050的N卡還不夠玩,可以稍微升級到3060(視訊記憶體由4G升級到6G,位寬由128bits升級到192bits)的惠普。而且這個電腦的螢幕還更大,重新整理率更高,有更好的視野。缺點是分辨率只有1080p,而且便攜性就更差了。
個人覺得Mac OS雖然對於一般人有些上手成本,但是它浸入式的套用視窗+十幾小時的續航,真的是太拉風。
綜合來說,對於經常用機器學習的學生或辦公族,Air+colab等各種雲也許更勝一籌。
參考資料:
- MacBook Air - Technical Specifications;
- 京東自營的商品介紹頁面。
以上。