還願文 - 新舊筆電之 Python 機器學習效率的差異

dincht66

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~$$$