Mój oldshool-owy HP błagał o wysłanie go na emeryturę… A, że błagał coraz głośniej (był kupiony 300 lat temu do zupełnie innych zadań), w tym miesiącu musiałam dokonać wyboru nowego sprzętu do pracy. Nie przekonywały mnie wygooglane zestawienia modeli z zagranicznych rynków, dlatego zadałam znajomym wiele pytań, o to jakie właściwie parametry mają znaczenie przy wyborze laptopa do deep learningu. Ich odpowiedzi spisałam w tym poście :). Jeżeli podobnie jak ja komputer wymieniasz co kilka lat, a na co dzień nie śledzisz nowinek sprzętowych, ten post może być dla Ciebie dobrym punktem wyjścia do dalszych poszukiwań.

Jest to też część pierwsza z trzech, z planowanego cyklu wokół tematu przygotowania komputera do DL.

Bardzo trudno byłoby wprost odpowiedzieć na pytanie, jakiego laptopa wybrać do deep learningu…

… bo przecież odpowiedź zawsze brzmi: „to zależy”!!

W pierwszej kolejności polecam zadać sobie te 2 pytania:

1. Jaki masz maksymalny budżet?
   • Kupno sprzętu do deep learningu jest jak studnia bez dna – zawsze znajdziesz lepszy (i droższy) zestaw parametrów niż ten, który wybrałeś. Określenie maksymalnego budżetu ogranicza opcje i ułatwia wybór. Nie przesadzaj z budżetem, bo o ile nie stawiasz własnego serwera to duże tematy i tak trzeba będzie ostatecznie liczyć w chmurze. Laptop do deep learningu służy głównie do prototypowania, wygodnej pracy codziennej i ewentualnie do przeliczenia jakiś mniejszych tematów. Komfortowo.
2. Czy zależy Ci na mobilności (laptop) czy może to być komputer stacjonarny do domu?
   • Trzeba sobie zdać sprawę, że na dzień dzisiejszy laptop do deep learningu też jest mało mobilny. Już sama ładowarka ma walory obronne (już nie trzeba nosić cegły w torebce), a laptopa można by używać do „wyciskania na klatę”.

Mając te dwie odpowiedzi (i jednak decydując się na laptopa) weź pod uwagę te parametry – stan techniki na marzec 2019:

• SSD NVMe
  • Są różne dyski SSD. Między starszymi a nowszymi typami jest podobna różnica jak między pierwszymi dyskami SSD a HDD (tych drugich imienia nawet nie wymawiamy na głos (: !). Wybierz najnowszy standard: SSD M.2 PCIe z NVMe.
  • Im większy tym wygodniej będzie Ci się pracowało. Rekomenduję minimum 1TB. (Jeżeli ogranicza Cię budżet, rozważ mniejszy, ale koniecznie tego typu.)
• RAM – polecam minimum 32GB, ale tak naprawdę nie ma górnej granicy (w zasadzie im więcej tym lepiej).
• Dedykowana karta graficzna NVIDIA
  • Polecam serię RTX 20xx, w szczególności od modelu RTX 2070 wzwyż (RTX 2070 lub 2080 – różnica z RTX 2060 jest odczuwalna)
  • NVIDIA zapowiedziała nowe karty jesienią 2020, więc im bliżej tego terminu, można rozważyć wstrzymanie się z zakupami do tego czasu.

Szeroko temat kart graficznych do deep learningu opisuje Błażej Matuszewski na blogu AI Vision: Jakie GPU(kartę graficzną) wybrać (<– klik!)

• procesor – nie mam danych na ten temat :). Trochę jest tak, że do komputerów o powyższych parametrach ‘ładuje się’ po prostu dobre procesory. Jeśli masz do wyboru Intel Core i5 lub i7 to wybierz i7.

Laptopy o tych parametrach są zwykle sprzedawane jako gamingowe.

Z czego zrezygnować w wypadku ograniczonego budżetu?

Wybrałabym komputer z 16 gb RAMu i słabszą kartą graficzną (np. NVIDIA GTX z serii 16 np. 1660, 1680 itd.) zamiast komputera, który ma więcej ramu i nie ma karty dedykowanej. Z SSD (typu) NVMe nie rezygnuj na rzecz starszych dysków.

Co w wypadku większego budżetu?

Ach, chciałabym mieć takie problemy (; ! W pierwszej kolejności więcej RAMu i mocniejsza karta graficzna (seria RTX 20xx, o której wspominam to nie jest max tego, co można mieć w laptopie – istnieje np. NVIDIA quadro rtx 5000 z 16 GB RAM, dostępna w laptopach Dell Precision), a w drugiej wszystkie pozostałe punkty. W wypadku dużo większego budżetu rozważyłabym stawianie domowego serwera (polecam angielsko-języczne tutoriale o składaniu domowej ‘chmury’) raczej niż inwestowanie w nieskończenie drogiego laptopa.

Mój wybór

Wybrałam Lenovo Legion Y740, SSD NVMe 2TB, 64GB RAM, karta NVIDIA RTX 2080, 6-rdzeniowy Intel Core i7. Rozważałam też HyperBook Pulsar Z15s z RTX2070 max-q i podobnych parametrach (w HyperBooku na www można sobie wyklikać pożądaną konfigurację – polecam, bo to fajnie obrazuje, jaki dany parametr ma wpływ na cenę). Pulsar jednak nieznacznie przekraczał mój budżet i wybrałam Legiona.

Nie mogę jeszcze ocenić, czy jest to dobry wybór, czy nie. Na razie jestem na etapie instalacji CUDA i po instalacji Ubuntu i póki co wiem tylko, że dostanie się do niektórych opcji BIOSu w Legionie było  niezwykle trudne –> posty na temat przygotowania komputera do deep learningu już ‘w drodze’.

Linki do rozważanych przeze mnie modeli:

• Specyfikacja producenta: Lenovo Legion Y740 (klik!)
• HyperBook Pulsar Z15s z RTX2070 max-q nie jest już dostępny – alternatywnie podaję link do innego modelu: HYPERBOOK SL504 I7-9750H RTX2070. (Uwaga! żeby poznać końcową cenę, trzeba sobie dopiero wyklikać pożądane parametry)

Jeśli wybrałeś/wybrałaś sprzęt do DL, który Ci się sprawdza lub zupełnie nie – zostaw info w komentarzu (:.