SOGO論壇
  登入   註冊   找回密碼
查看: 417|回覆: 0

[心得交流] 還願文 - 新舊筆電之 Python 機器學習效率的差異 [複製連結]

Rank: 2

狀態︰ 離線
發表於 2018-6-3 16:27:18 |顯示全部樓層
本帖最後由 dincht66 於 2018-6-3 16:26 編輯

各位 Mo友們好~
小弟因為買了近9萬元的高效能筆電,有一些罪惡感。
所以在購買前發願,當買到之後,一定會把測試結果po上來,當作還願~


進入主題 - 新舊筆電之 Python 機器學習效率的差異

硬體規格:
 第一台舊筆電(文書型) i5-3317U(1.7Ghz)(2C 4T) 8GB DDR3-1600 GT6350M-2GB-DDR3
 

新的超級筆電(電競型) i7-8750H(2.2Ghz)(6C 12T) 32GB DDR4-2666 GTX1080-8GB-DDR5X
 





效能比較:(感謝PassMark網站提供測試數據) https://www.cpubenchmark.net/
CPU:
 

GPU:
 





======================================================================

測試重點 - 執行Python 機器學習並測試時間
(主要測試CPU及RAM的效能,此文不包含GUP平行加速運算的測試)
測試環境 - Win10 X64 - Anaconda Navigator 1.8.7 - Jupyter Notebook 5.5.0 - Python 3.6.5

測試1:(機器學習模組 - Ridge"具有L2正則化的線性最小二乘法" - 低效能需求)
Old NB Test1:13ms ± 0.104ms = 0.013秒/次  總計100迴圈  每迴圈執行7次
 
New NB Test1:7.15ms ± 0.043ms = 0.007秒/次  總計100迴圈  每迴圈執行7次
 


測試2:(機器學習模組 - LinearRegression"普通最小二乘線性回歸" -中效能需求 1000筆資料學習)
Old NB Test2:3.85s ± 0.121s  總計1迴圈  每迴圈執行7次
 
New NB Test2:2.09s ± 0.034s  總計1迴圈  每迴圈執行7次
 


測試3:(機器學習模組 - ARDRegression"貝葉斯回歸" - 高效能需求 - 2000筆資料學習)
Old NB Test3:154s ± 0.992s  總計1迴圈  每迴圈執行7次
 

New NB Test3:66s ± 0.553s  總計1迴圈  每迴圈執行7次
 






======================================================================

問題總結 -
問題1:為了 "機器學習",需要買很好的電腦(筆電)嗎?
結論1:二台筆電的CPU效能,在評測網站上的分數,差異可能有4倍上下,
          但實際在 "機器學習" 的效能上,效能差異大概2倍上下(CPU)。
          所以要花大錢買個人等級的超級效能硬體,可能實際上不會有太大的幫助!
          除非買資料中心等級的超級效能硬體,才會有很大的差異。
          各位Python的個人玩家看到此,應該就可以省下不少錢了。


問題2:一台好的電腦(筆電)可以用多久?
結論2:舊筆電是2012年買的,至今6年左右,效能只比新筆電弱了一點,
          跑遊戲或是執行高效能需求的軟體(SoildWork),都沒問題。
          基本上十年以上再更新是差不多的。6年更新太快了點。
          (6年前的文書機比今年的電競機,差異並不會太難過)
          使用文書機的朋友看到此,應該近幾年可以省下不少錢了。


問題3:遊戲效能的差異如何?
結論3:小弟有玩大需求效能的遊戲只有"Diable III" 跟 "狂野飆車8",
          二台筆電的遊戲過程,說真的還真沒什麼差。(By GUP執行)
          (文書機好像不一定會輸電競機太多的感覺)
          使用文書機玩遊戲的朋友看到此,應該也可以省下不少錢了。


問題4:為什麼不放上筆電的型號?
結論4:出於還願文,非行銷文。


問題5:那有那麼多問題?
結論5:等Mo友發問吧。


以上實話實說,不公開電商及型號也是保護他們的利益~$$$

請注意︰為維護論壇文章品質,任意「灌水回覆」可能導致您的帳號及所有文章被直接刪除!
您需要登錄後才可以回帖 登入 | 註冊


本論壇為非營利自由討論平台,所有個人言論不代表本站立場。文章內容如有涉及侵權,請通知管理人員,將立即刪除相關文章資料。

GMT+8, 2018-8-18 16:04

Powered by Discuz! X2 © 2001-2017 Comsenz Inc.
回頂部