原标题:用了5年的旧笔记本不要丢,1/4新机价格升级机器学习战斗本,隔壁研究员馋哭了
大数据文摘出品
来源:medium
编译:zeroinfinity、Andy
高性能的硬件配置在机器学习研究中是枪炮一般的存在。面对大规模数据和多层结构算法,普通的计算机根本无法胜任。
但是,高配置的深度学习本一般耗费巨大,当前最新款超级本的笔记本型号,价格轻松过万。
一位佐治亚理工学院的毕业生就尝试用更低的成本激活自己用了五年、硬配落后的老笔记本电脑。并且成功的通过eGPU和500美元(约3000多块钱),新款战斗本四分之一的价格,就完成了一次“老本儿“大改装,让自己的老式笔记本电脑华丽转型,并且效果惊人!
一起看看。
2016年初,我在佐治亚理工学院攻读大学本科时,花费了当时全部身家,买了一台新的英特尔Skylake处理器还有Dell XPS 15 9550,再加上专用的NVIDIA移动GPU,我当时觉得这台电脑肯定能够陪伴我获得计算机学位。
自从买来它的那一天起,我就非常爱护,它也非常争气地一点没变慢。直到我开始做AI和机器学习方面的硕士课程作业,我发现,这台笔记本不!够!用!了!
我还记得那天我被分配了一个经典的深度学习任务,这是计算机视觉上一个很好的学习案例——训练CNN(卷积神经网络模型)来解决CIFAR-10。
CIFAR-10是10个低分辨率(32x32)图像类的数据集,深度学习任务是训练模型使其能将新的图像正确分类为这10个类别之一。由于低分辨率数据集可以快速进行训练,因此它被广泛用作教学素材。至少我当时是这么想的。具有多层结构的CNN训练少则几个小时多则一个晚上,这应该算是一个简单的任务了。
但实际做起来,才突然发现,之前可靠的Skylake I7(比当前版本落后3代)和那些专用的2GB内存GPU根本跑不动。
没钱又必须完成学业,所以我开始头脑风暴怎么从头构建一个台式机。
要获得当前中上等机器学习用台式机的最低价格为1100美元(带有i5 6核CPU和RTX 2060 Super显卡),然后最重要的是,作为一个喜欢在校园里工作的研究生,台式机会将我限制在某一个工位上,需要很多同步手段才能同时在不同地点工作。
当然我也可以买一个当前最新款超级本,它会带有和a1050-Ti一样好的GPU,但这些型号的价格很容易超过2000美元,并且几乎不具备台式机一样强大的模型训练能力。
我开始了大量替代方案的研究。
预算500美元,手把手教你薅羊毛
首先我分析了自己面临的状况:有一台可靠但较旧的计算机,无法停歇的忙碌生活,需要更多的处理器和算力,希望将所有工具都集成在一起又不至于倾家荡产。
我知道,我的要求很高,但我确实设法找到了一个解决方案——eGPU。
外接GPU(eGPU)能通过Thunderbolt 3接口将独立显卡连接到现有计算机。如果你有一台超级本如PC 2016或更高版本(我在用的),或一台MacBook Pro 2016或更高版本,那你就可以拥有一台用eGPU完全改造的笔记本电脑。
eGPU的设计比较简单,它最主要部件包括,一个用于连接GPU的PCIe端口,一个用于连接到计算机的Thunderbolt 3端口,一个电源(GPU要的电远远超过笔记本自身供电能力) ,以及给GPU散热的装置。
你可以DIY所有这些组件,或者也可以像我一样用更简单的方法:直接找一个有端口和电源的GPU机箱,这样需要的组件也就只有GPU和机箱这两个了。
当我决定了试用eGPU的方案,就开始在网上找性价比最高的部件了。
巧合的是,我的两笔交易都来自一个名为Letgo的交易平台。我用260美元就买到了NVIDIA GTX 1080 8GB(之前我在网上找到的最便宜价格是375美元),而机箱则是有人以280美元的价格出售Razer Core v2(在eBay上以400美元的价格出售)。最终我总共花费了540美元来构建eGPU,全面提高了我笔记本的使用体验。
并非每个人都像我一样想在网上淘宝,因此我还评估了搭建ML eGPU的最优方案,预算在500美元左右,10分钟不到就都能订购到的所有零件。
我选择使用NVIDIA 1660-Ti 6GB,有差不多的GPU性能(稍微差了一点),价格为280美元,还有翻新过的Razer Core X,可以以270美元从Razer购买。如果您愿意多花些钱得到性能更好,更新的GPU,那么RTX 2060 Super 8GB更好些,且花费也达到400美元价位。
如果你要改造Macbook,可以考虑AMD处理器,因为其在Apple生态系统中的支持程度较高。
有得有失,eGPU表现如何?
构造好机器后,我便开始评估使用体验。要测试与以前的移动GPU相比,GTX 1080有何改进,我使用了AI-benchmark。这是一个Python库,用Tensorflow在19个不同部分上运行42个测试,从而为GPU提供了通用AI评分。
我将AI-Benchmark与Jupyter Notebook、pandas和还有Seaborn可视化工具结合起来,以量化说明我的结果。该代码可在Github上找到。
第一个结果是针对单个测试及其运行时间的(以毫秒为单位)。我只展示了19个测试中的1到9个,结果太多怕看不过来。我的GTX 960M GPU(XPS配的GPU)测试过程中遇到了一个大问题。因为它GPU只有2GB,结果训练张量太大放不下,所以在很多项测试中都无结果。
该测试的结果非常清楚。集成图形绝对不适合机器学习,即使它比移动GPU更稳定。但它在测试中所花运行时间更长,甚至会让简单的任务都运行缓慢。
GTX 960M在执行任务时速度上保持了自己的优势。但是,其可靠性不足,且仅拥有2GB的内存是一个巨大障碍,这将使你不得不牺牲模型的大小,以便能放在卡上。
因此,GTX 960M不太适合现在的深度学习任务。而有8GB RAM的GTX 1080则可以完美地运行所有任务,并在实际任务上比GTX 960M快3倍。
测试完成后,AI-benchmark还会创建一个总体评分(越高越好)。注意,GTX 960M基准分是推断出来的因为某些测试无法完成,因此没办法获得总分。因此,我根据类似的GPU的AI-Benchmark的测试结果推断了一个分数。
替代的GPU用相同架构,并且在成功运行的测试中彼此之间的误差只在百分之几内。显而易见,GTX 1080碾压了所有的自动化测试,并在可靠性和速度方面展现了可观的优势。基于这一结果,似乎很明显eGPU可以作为(同性能)昂贵设备的替代品,尽管如此,我还是要对此指出一个缺点。
尽管与XPS本身相比,其测试结果令人震惊,但相比于集成GPU,使用eGPU可能会带来速度上的损失。
在将通过AI-benchmark取得的最高基准与(通用)基准进行比较时,会发现还有很多需要改进的地方。我估计Thunderbolt 3端口上的带宽会导致10%到15%的性能损失,但是测试分数缺明显下降了约30%,我对此有一个假设。
尽管XPS 15 9550和9650型号声称完全支持thunderbolt 3,但它们的硬件上限为2条通道,而不是标称的4通道(Dell已解决了这一问题)。我的假设是,这是当前thunderbolt端口造成的瓶颈。在将来的版本中,我可能会使用MacBook(具有4通道)运行这些测试,以证实我的猜测。如果我是正确的话,我应该会看到MacBook上AI得分超过1400。
我还可能会在散热更好的情况下进行测试,以查看在非理想状态下是否会阻碍运行。
这将帮助我得出更通用的推荐,关于这是否为一种可行且有成本效益的选择?
最终的结果我个人是绝对认可的。即使分数未达到通用基准,这种花费540美元升级到等同于一台1500美元计算机的程度,也将使其生存力又延长了数年。仅是2GB GPU和8GB GPU之间的区别就值得升级。如果你的笔记本电脑只有集成显卡,那么如果你想用其来进行深度学习,这种升级甚至是非常必要的。
我不建议升级的情况是您的笔记本电脑已经具有4GB的GPU RAM和最低GTX 1050-Ti GPU配置。如果真是这样,你不太可能看到性能上的大幅提高。只有在发现自己需要更多RAM来执行更繁重的任务时,eGPU才真正物有所值。
目前我只做到这样,如果有兴趣,不久的将来可能还会有新的尝试!
相关报道:
https://towardsdatascience.com/how-i-turned-my-older-laptop-into-a-machine-learning-superstar-with-an-egpu-66679aa27a7c游戏网
-
TES夺冠后,有谁注意阿水“化学”作用了?网友:不怪TS只怪没有JKL
0 02020-06-01 -
4399touch我充了10元领取首充大礼包,可以有vip没有用,现在不知道怎么用了
6 02020-05-26 -
“狗不理”到“人不理”用了多久_包子
5 02020-05-19 -
堪用了!ARM Win10补足短板:能跑64位exe程序了
2 02020-05-19 -
Doinb地位遭到威胁?LCK“杂技中单”诞生,排位用了87个不同英雄
6 02020-05-18 -
安卓手机用了这么久,你竟然不知道开发者选项这个性能怪兽_动画
9 02020-05-14 -
将手机屏锁密码设置成女神的图片,从此指纹解锁都不想用了_小雷
0 02020-05-14 -
用了这么多年微信才知道,扫一扫竟藏着这2个功能!太好用了
2 02020-05-12 -
累计8亿人在使用的国家平台,你用了吗?
8 02020-05-09 -
逆水寒合服引发玩家大战,甚至动用了上古武器
18 02020-05-08 -
开心一刻笑话:老太太总是舍不得花钱,一个手机用了好多年了_教导
3 02020-05-07 -
厉害了!从温饱线到小康生活,他只用了短短的一年_玩家
7 02020-05-07 -
体验人:孵化抖音账号,从0粉丝突破10000粉用了200小时12000分钟720000秒_vx
1 02020-05-07 -
开心一刻笑话:哥们儿原来用一诺基亚手机,用了快三年了_子弹
3 02020-05-02 -
冰丝居然可以长在树上!模样酷似白发,专家寻找原因用了100年_发丝
6 02020-04-26 -
我的世界全自动钓鱼机,用了这玩意儿之后,钓鱼再也不枯燥了_玩家
14 02020-04-16 -
这段话用了什么表达方式_医生
2 02020-04-16 -
与江疏影、王鸥环绕,王凯的桃花运爆棚,用了13年终于成功转型_曹丹姝
3 02020-04-16 -
用过绿厂的无线闪充之后,我再也不觉得无线充电没用了。
3 02020-04-14 -
我的世界“刷铁机”教程,让村民当苦力,不再担心铁不够用了_傀儡
11 02020-04-13 -
阴阳师大型活动“万事屋”详解,不肝但很复杂,感觉智商不够用了
7 02020-04-12 -
英雄联盟:季后赛门票不够用了,RNG迎来生死战,会让UZI上场吗?
3 02020-04-12 -
原创英雄联盟:季后赛门票不够用了,RNG迎来生死战,会让UZI上场吗?
5 02020-04-12 -
同样的军训考核,蓝轩宇用时十几秒,叶灵瞳却用了6分钟_机甲
3 02020-04-11 -
元气骑士:游侠最帅的3款皮肤,用了它们,操作都提升一个档次_玩家
17 02020-04-07 -
苹果iPhone X成功运行Win10:光启动用了20多分钟
3 02020-04-02 -
共有产权房办商贷用了夫妻双方的收入证明,现在有一方离职了,会影响贷款审批吗?
7 02020-04-02 -
宋江是怎样架空晁盖的权力?仅用了四招,晁盖明白得太晚_梁山泊
3 02020-04-01 -
花8500买的iPhone11ProMax,用了两个月才发现被骗!
3 02020-04-01 -
同样只睡3小时,李佳琦脸垮了薇娅却能冻龄,她偷偷用了什么?_直播
5 02020-04-01 -
明明用了同样的硬件,为何办公平板干不过便携游戏笔记本?_散热
5 02020-03-31 -
3个爆款,7000万下载需要什么?这家5人的团队用了2年_Balls
8 02020-03-26 -
怎样提高员工的凝聚力?很多公司用了这招就搞定!_团队
7 02020-03-26 -
一个充电宝用了4年,梦泪为何不舍得扔掉?梦嫂晒出一张照片,我懂了
10 02020-03-26 -
《宝可梦》因为受到八代影响,如今的坚盾剑怪变得不好用了?
7 02020-03-25 -
博人传:片头迟迟不换,用了三个版本,剧情将有大动作_漩涡博人
5 02020-03-25 -
郑州九旬老太情绪低落轻生:不中用了
3 02020-03-24 -
用了回不去的不只65W超闪,FindX2Pro两周使用体验分享
2 02020-03-18 -
搞笑GIF趣图:妹子的舌头好厉害呀,可以当筷子用了_兔子
4 02020-03-18 -
搞笑GIF:这有点高级,练习的时候不知道用了几个人_实验
7 02020-03-14 -
梦幻西游:7技能观照谛听上书,仅用了3本就全红了!
14 02020-03-14 -
这支战队成功花了2年!而摧毁它只用了一天
4 02020-03-09 -
著名作家刘信达遭警告!作家王波怒了:你占用了过多公共资源_批评
6 02020-03-08 -
深圳有哪些项目用了“会呼吸的幕墙”?
8 02020-03-07 -
FindX2ProWi-Fi6对比体验:全方位提升用了回不去
8 02020-03-07 -
拿LOL用了十年的引擎做游戏,拳头另有考虑?手游移植是关键
6 02020-03-06 -
乡村道路占用了耕地有没有相应的赔偿?
7 02020-03-04 -
搞笑gif:妹子的舌头好厉害呀,可以当筷子用了_管谁
10 02020-03-03 -
《GTFO》开发组:取这个名字可有用了_游戏
4 02020-03-01 -
《宝可梦》为什么毫无特点的双倍多多冰,八代突然就变好用了?
9 02020-02-29
234游戏网站地图
子站导航 |
|||