精华内容
下载资源
问答
  • 此外,随着技术的发展,Towards AI 团队将持续更新这份选购指南,针对不同的预算推荐功能强大、性能更高的电脑,从而为用户在做机器学习、数据科学和深度学习项目提供最佳选择。 这份选购指南列举出了不同预算下...

    点击上方,选择星标置顶,不定期资源大放送

    阅读大概需要10分钟

    Follow小博主,每天更新前沿干货

    选自 | Medium   作者 | Towards AI Team

    转自 | 机器之心   编辑 | 陈萍、杜伟

    一份来自 Towards AI 的关于机器学习、数据科学和深度学习的最佳笔记本电脑。在预算范围内,入手最适合的笔记本。

    马要有好鞍,做研究也要有顺手的设备。所以,选择性能良好且适合自己的设备对于研究者而言至关重要。ML 学习者、深度学习从业者以及数据科学家们都在不遗余力地发挥自身性能导向型设备的优势。

    究竟哪些型号的电脑最适合机器学习、深度学习和数据科学项目呢?在这即将过去的一年来,Towards AI 团队调研了 2000 多台笔记本电脑,并挑选出了他们所认为最适合做这些项目的电脑。

    此外,随着技术的发展,Towards AI 团队将持续更新这份选购指南,针对不同的预算推荐功能强大、性能更高的电脑,从而为用户在做机器学习、数据科学和深度学习项目提供最佳选择。

    这份选购指南列举出了不同预算下用户最适合入手的笔记本电脑。

       预算低于 1000 美元

    预算低于 1000 美元时,最适合入手的笔记本电脑有 2 款,分别是宏碁 Nitro 5 和华硕 TUF。

    宏碁 Nitro 5

    图源:Amazon

    宏碁 Nitro 5:1000 美元以下最佳的笔记本电脑。这款笔记本电脑对于那些预算低于 1000 美元、同时又比较关注 Intel 处理器、合适的 RAM 大小以及 RTX GPU 的用户来说比较合适。

    规格如下:

    • 处理器:Intel Core i7–9750h ,最高 4.5 GHz

    • 内存:16 GB DDR4

    • 硬盘:256 GB NVMe SSD

    • GPU:NVIDIA GeForce RTX 2060 6 GB

    • 计算能力:7.5

    • 端口:1x HDMI 2.0、1x USB 3.1 Type-C、2x USB 3.1、1x USB 2.0

    • 操作系统:Windows 10

    • 重量:4.85 磅 (约 2.2kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080

    • 网络传输:WiFi 802.11ax、千兆局域网 (以太网)、蓝牙

    • 续航时间:平均约 4 小时

    Asus TUF

    华硕 TUF:对于预算低于 1000 美元,但仍需要功能强大的 RTX GPU 和更大的存储空间的人来说,华硕 TUF 是比较合适的。

    规格如下:

    • 处理器:AMD Ryzen 7–4800H ,最高 4.2 GHz

    • 内存:8GB RAM DDR4 SDRAM

    • 硬盘:512 GB SSD

    • GPU: NVIDIA GeForce RTX 2060 6 GB

    • 计算能力:7.5

    • 端口:1xHDMI 2.0、1xUSB 3.1、1xUSB 3.2 Gen 2

    • 操作系统:Windows 10

    • 重量:5.07 磅 (约 2.3kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080,屏幕刷新率 60Hz

    • 通讯:WiFi 802.11ac、千兆局域网 (以太网)、蓝牙

    • 续航时间:约 5 小时

       预算低于 2000 美元

    预算低于 2000 美元时,最适合入手的笔记本电脑有 3 款,分别是微星 CUK GP65 Leopard、戴尔 G5 旗舰版和 Intel Whitebook。

    微星 CUK GP65 Leopard

    微星 CUK GP65 Leopard:对于那些需要额外存储空间的用户来说比较合适。

    规格如下:

    • 处理器:Intel Core i7–10750H,最高 5 GHz

    • 内存:64GB RAM DDR4 SDRAM

    • 硬盘:1TB NVMe SSD、2 TB HDD

    • GPU:NVIDIA GeForce RTX 2070 8 GB

    • 计算能力:7.5

    • 端口:1x HDMI 2.0、1x Thunderbolt 3、1x USB-A 3.2、2x USB 2.0

    • 操作系统:Windows 10 Pro 64 位

    • 重量:5.14 磅 (约 2.33kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080,刷新率 144Hz

    • 网络传输:WiFi 802.11ac、千兆局域网 (以太网)、蓝牙

    • 续航时间:约 5 小时

    戴尔 G5 旗舰版

    戴尔 G5 旗舰版:最适合在 GPU 上寻找 Max-Q 性能的用户. 此外,它还具有用于工作站功能的雷电 3(Thunderbolt 3)端口。

    规格如下:

    • 处理器:Intel Core i7–10750H,最高 5 GHz

    • 内存:64GB RAM DDR4 SDRAM

    • 硬盘:1TB SSD

    • GPU:NVIDIA GeForce RTX 2070 8 GB Max-Q

    • 计算能力:7.5

    • 端口:1x HDMI 2.0、1x Thunderbolt 3、1x USB-A 3.2、2x USB 2.0

    • 操作系统:Windows 10 Pro 64 位

    • 重量:5.18 磅 (约 2.35kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080,刷新率 144Hz

    • 网络传输:WiFi 802.11ac、千兆局域网 (以太网)、蓝牙

    • 续航时间:约 5 小时

    Intel Whitebook 

    Intel Whitebook:是预算低于 2000 美元的笔记本最佳选择。该笔记本最适合那些不在乎品牌,但关心笔记本重量、自身预算和工作站能力的用户。该笔记本还具有雷电 3 端口。

    规格如下:

    • 处理器:Intel Core i7–9750H,最高 4.5 GHz

    • 内存:64GB RAM SODIMM

    • 硬盘:2TB NVMe SSD

    • GPU:NVIDIA GeForce RTX 2070 8 GB

    • 计算能力:7.5

    • 端口:1x HDMI、1x Thunderbolt 3、2x USB 3.1、1x USB 3.1 Gen 2

    • 操作系统:Windows 10 Pro 64 位

    • 重量:4.2 磅 (约 1.9kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080

    • 网络传输:WiFi 802.11ac、千兆局域网 (以太网)、蓝牙

    • 续航时间:约 5 小时

       预算低于 4000 美元

    预算低于 4000 美元时,最适合入手的笔记本电脑有 5 款,分别是联想 Legion 7i、微星 GE66 Dragonshield、微星 CUK WF75、Eluktronics MAX-17 和华硕 CUK ROG

    联想 Legion 7i

    联想 Legion 7i:最适合那些寻求笔记本最佳性能的用户。

    规格如下:

    • 处理器:Intel Core i9 10980 HK,最高 5.30 GHz

    • 内存:64GB RAM DDR4

    • 硬盘:1TB PCIe SSD, 512 GB PCIe SSD

    • GPU:NVIDIA GeForce RTX 2080 Super Max-Q 8GB

    • 计算能力:7.5

    • 端口:1x HDMI、1x Thunderbolt 3、1x USB-C、2x USB 3.2

    • 操作系统:Windows 10 Pro 64 位

    • 重量:4.6 磅 (约 2.08kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080,刷新率 144Hz

    • 网络传输:WiFi 802.11ac、千兆局域网 (以太网)、蓝牙

    • 续航时间:约 5 小时

    微星 GE66 Dragonshield

    微星 GE66 Dragonshield:比较适合那些要求笔记本具有最高性能和工作站功能的人。对于希望笔记本显卡是 RTX 2080 而不是 RTX 2070 的用户来说,购买之前需要仔细考虑。

    规格如下:

    • 处理器:Intel Core i9 10980 HK,最高 5.30 GHz

    • 内存:64GB RAM DDR4

    • 硬盘:2TB PCIe SSD

    • GPU:NVIDIA GeForce RTX 2070 Super Max-Q 8GB

    • 计算能力:7.5

    • 端口:1x HDMI、1 mini Display Port 2、2x USB-C、2x USB 3.2

    • 操作系统:Windows 10 Pro 64 位

    • 重量:5.25 磅 (约 2.38kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080,刷新率 144Hz

    • 网络传输:WiFi 802.11ac、千兆局域网 (以太网)、蓝牙

    • 续航时间:约 5 小时

    微星 CUK WF75

    微星 CUK WF75:适合那些寻求笔记本顶级规格,同时又在乎预算的人。该笔记本的 GPU 为 NVIDIA Quadro RTX 3000,其性能弱于 RTX 2080,这点需要考虑。

    规格如下:

    • 处理器:Intel Core i7–10750H,最高 5GHz

    • 内存:64GB RAM DDR4

    • 硬盘:1TB NVMe SSD

    • GPU:NVIDIA Quadro RTX 3000 6GB

    • 计算能力:7.5

    • 端口:1x HDMI、1x USB 3.2 Type-C、1x USB 3.2 Type-A、2x USB 3.1

    • 操作系统:Windows 10 Pro 64 位

    • 重量:4.85 磅 (约 2.2kg)

    • 屏幕:15.6 英寸、分辨率 1920 x 1080

    • 网络传输:WiFi 802.11ac、千兆局域网 (以太网)、蓝牙

    • 续航时间:约 5 小时

    Eluktronics MAX-17

    Eluktronics MAX-17:3000 美元以下最佳的笔记本电脑。Eluktronics 笔记本的设计看起来与 Intel Whitebook 相似,但 GPU 和处理器更为先进,性能更高,而且还具有一个功能强大的工作站。

    规格如下:

    • 处理器:Intel Core i7–10875H,最高 5.1 GHz

    • 内存:64GB RAM DDR4

    • 硬盘:1TB NVMe SSD

    • GPU:NVIDIA RTX 2080 Super Max-Q 8GB

    • 计算能力:7.5

    • 端口:1x HDMI、1x Thunderbolt 3、1USB 3.1 Gen 2、2x USB 3.1

    • 操作系统:Windows 10 Pro 64 位

    • 重量:3.82 磅 (1.73kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080,刷新率 144Hz

    • 网络传输:WiFi 802.11ac,千兆局域网 (以太网)、蓝牙

    • 续航时间:约 5 小时

    华硕 CUK ROG

    华硕 CUK ROG:仅从价格考虑,这是 4000 美元以下最佳的笔记本电脑。该笔记本拥有与 Intel Whitebook 相同的处理器,也是一个比较知名的品牌,但没有雷电 3 端口。

    规格如下:

    • 处理器:Intel Core i7–10875H,最高 5.1 GHz

    • 内存:64GB RAM DDR4

    • 硬盘:2TB NVMe SSD

    • GPU:NVIDIA RTX 2070 8GB

    • 计算能力:7.5

    • 端口:1x HDMI、1USB 3.2 Gen 2 Type C、3x USB 3.2 Type-A

    • 操作系统:Windows 10 Pro 64 位

    • 重量:5.3 磅(2.4kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080,刷新率 144Hz

    • 网络传输:WiFi 802.11ac、千兆局域网 (以太网)、蓝牙

    • 续航时间:约 5 小时

       青睐 Mac OS,就选择 MacBook Pro(16-inch)

    Apple MacBook Pro(16-inch):如果你喜欢 Mac OS,同时又不太依赖 GPU,这款笔记本是最佳选择。配备的雷电端口使其成为功能强大的工作站,并且对于专用 GPU 笔记本来说,电池寿命是最长的。

    规格如下:

    • 处理器:Intel Core i9–10875H,最高 4.8 GHz

    • 内存:16GB RAM DDR4

    • 硬盘:1TB NVMe SSD

    • GPU:AMD Radeon Pro 5500M 4 GB

    • 计算能力:7.5

    • 端口:4 个 Thunderbolt 3 (USB-C)

    • 操作系统:Mac OS

    • 重量:4.3 磅(1.95kg)

    • 屏幕:15.6 英寸,分辨率 1920 x 1080,刷新率 144Hz

    • 网络传输:WiFi 802.11ac、千兆局域网 (以太网)、蓝牙

    • 续航时间:7–11 小时

    原文链接:https://medium.com/towards-artificial-intelligence/best-laptops-for-machine-learning-deep-learning-data-science-ml-f55602197593

    重磅!DLer-计算机视觉交流群已成立!

    大家好,这是DLer-计算机视觉微信交流群欢迎各位Cver加入DLer-计算机视觉微信交流大家庭 。

    本群旨在学习交流图像分类、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。希望能给大家提供一个更精准的研讨交流平台!!!

    进群请备注:研究方向+学校/公司+昵称(如图像分类+上交+小明)

    ???? 长按识别添加,即可进群!

    展开全文
  • 笔记本深度学习的注意了

    千次阅读 2021-07-08 09:33:23
    购入华硕笔记本,带有RTX3060的GPU,装有tensorflow-gpu-1.13.1训练自然语言处理。 Tensorflow程序运行中出现"Interal Error:Blas GEMM launch failed.",此错误主要是由于程序运行时GPU的空间不足而引起的。故...

    购入华硕笔记本,带有RTX3060的GPU,装有tensorflow-gpu-1.13.1训练自然语言处理。

    Tensorflow程序运行中出现"Interal Error:Blas GEMM launch failed.",此错误主要是由于程序运行时GPU的空间不足而引起的。故一般出现此错误的时候,会发现程序提示的GPU freeMemory 少。

    发现RTX3060的显示内存只有6G;此次跑训练刚好不够。而该机的cpu内存有16G;卸载tensorflow-gpu-1.13.1,装入tensorflow-1.13.1,训练正常跑通。

    结论:选GPU是为了训练速度加快,而GPU的显存大小比GPU速度还要重要!当显存不高时,连跑都跑不起来,何谈训练速度。我在GTX1080+10G内存上跑了若干CNN,发现VGG勉强能跑,再大型的CNN就不能了。因此,显存10G可以说是刚及格,如果低于10G,不如用cpu为好。一般说,笔记本上的GPU是帮不了深度学习大忙的,选用大内存的cpu笔记本更加明智。

    展开全文
  • 最佳深度学习书5本推荐给你

    千次阅读 2020-03-11 17:55:19
    深度学习(deep learning)通过其他较简单的表示来表达复杂表示,解决了表示学习中的核心问题。 深度学习让计算机通过较简单的概念构建复杂的概念。图1.2展示了深度学习系统如何通过组合较简单的概念(例如角和轮廓,...

    深度学习(deep learning)通过其他较简单的表示来表达复杂表示,解决了表示学习中的核心问题。

    深度学习让计算机通过较简单的概念构建复杂的概念。图1.2展示了深度学习系统如何通过组合较简单的概念(例如角和轮廓,它们反过来由边线定义)来表示图像中人的概念。深度学习模型的典型例子是前馈深度网络或多层感知机(multilayer perceptron,MLP)。多层感知机仅仅是一个将一组输入值映射到输出值的数学函数。该函数由许多较简单的函数复合而成。我们可以认为不同数学函数的每一次应用都为输入提供了新的表示。

    学习数据的正确表示的想法是解释深度学习的一个视角。另一个视角是深度促使计算机学习一个多步骤的计算机程序。每一层表示都可以被认为是并行执行另一组指令之后计算机的存储器状态。更深的网络可以按顺序执行更多的指令。顺序指令提供了极大的能力,因为后面的指令可以参考早期指令的结果。从这个角度上看,在某层激活函数里,并非所有信息都蕴涵着解释输入的变差因素。表示还存储着状态信息,用于帮助程序理解输入。这里的状态信息类似于传统计算机程序中的计数器或指针。它与具体的输入内容无关,但有助于模型组织其处理过程。

     

    最佳深度学习书5本推荐给你

     

    图1.2 深度学习模型的示意图。
    计算机难以理解原始感观输入数据的含义,如表示为像素值集合的图像。将一组像素映射到对象标识的函数非常复杂。如果直接处理,学习或评估此映射似乎是不可能的。深度学习将所需的复杂映射分解为一系列嵌套的简单映射(每个由模型的不同层描述)来解决这一难题。输入展示在可见层(visible layer),这样命名的原因是因为它包含我们能观察到的变量。然后是一系列从图像中提取越来越多抽象特征的隐藏层(hidden layer)。因为它们的值不在数据中给出,所以将这些层称为“隐藏层”;模型必须确定哪些概念有利于解释观察数据中的关系。这里的图像是每个隐藏单元表示的特征的可视化。给定像素,第1层可以轻易地通过比较相邻像素的亮度来识别边缘。有了第1隐藏层描述的边缘,第2隐藏层可以容易地搜索可识别为角和扩展轮廓的边集合。给定第2隐藏层中关于角和轮廓的图像描述,第3隐藏层可以找到轮廓和角的特定集合来检测特定对象的整个部分。最后,根据图像描述中包含的对象部分,可以识别图像中存在的对象(经Zeiler and Fergus(2014)许可引用此图)

    目前主要有两种度量模型深度的方式。一种方式是基于评估架构所需执行的顺序指令的数目。假设我们将模型表示为给定输入后,计算对应输出的流程图,则可以将这张流程图中的最长路径视为模型的深度。正如两个使用不同语言编写的等价程序将具有不同的长度,相同的函数可以被绘制为具有不同深度的流程图,其深度取决于我们可以用来作为一个步骤的函数。图1.3说明了语言的选择如何给相同的架构两个不同的衡量。

    最佳深度学习书5本推荐给你

     

    图1.3 将输入映射到输出的计算图表的示意图,其中每个节点执行一个操作。

    深度是从输入到输出的最长路径的长度,但这取决于可能的计算步骤的定义。这些图中所示的计算是逻辑回归模型的输出,σ(wTx),其中σ是logistic sigmoid函数。如果使用加法、乘法和logistic sigmoid作为计算机语言的元素,那么这个模型深度为3;如果将逻辑回归视为元素本身,那么这个模型深度为1

    另一种是在深度概率模型中使用的方法,它不是将计算图的深度视为模型深度,而是将描述概念彼此如何关联的图的深度视为模型深度。在这种情况下,计算每个概念表示的计算流程图的深度可能比概念本身的图更深。这是因为系统对较简单概念的理解在给出更复杂概念的信息后可以进一步精细化。例如,一个AI系统观察其中一只眼睛在阴影中的脸部图像时,它最初可能只看到一只眼睛。但当检测到脸部的存在后,系统可以推断第二只眼睛也可能是存在的。在这种情况下,概念的图仅包括两层(关于眼睛的层和关于脸的层),但如果我们细化每个概念的估计将需要额外的n次计算,那么计算的图将包含2n层。

    由于并不总是清楚计算图的深度和概率模型图的深度哪一个是最有意义的,并且由于不同的人选择不同的最小元素集来构建相应的图,所以就像计算机程序的长度不存在单一的正确值一样,架构的深度也不存在单一的正确值。另外,也不存在模型多么深才能被修饰为“深”的共识。但相比传统机器学习,深度学习研究的模型涉及更多学到功能或学到概念的组合,这点毋庸置疑。

    总之,这本书的主题——深度学习是通向人工智能的途径之一。具体来说,它是机器学习的一种,一种能够使计算机系统从经验和数据中得到提高的技术。我们坚信机器学习可以构建出在复杂实际环境下运行的AI系统,并且是唯一切实可行的方法。深度学习是一种特定类型的机器学习,具有强大的能力和灵活性,它将大千世界表示为嵌套的层次概念体系(由较简单概念间的联系定义复杂概念、从一般抽象概括到高级抽象表示)。图1.4说明了这些不同的AI学科之间的关系。图1.5展示了每个学科如何工作的高层次原理。

    最佳深度学习书5本推荐给你

     

    图1.4 维恩图展示了深度学习既是一种表示学习,也是一种机器学习,可以用于许多(但不是全部)AI方法。维恩图的每个部分包括一个AI技术的实例

    最佳深度学习书5本推荐给你

     

    图1.5 流程图展示了AI系统的不同部分如何在不同的AI学科中彼此相关。阴影框表示能从数据中学习的组件

     

    深度学习书单

    1、深度学习 [deep learning]

    最佳深度学习书5本推荐给你

     

    • AI圣经!深度学习领域奠基性的经典畅销书!
    • 长期位居美国ya马逊AI和机器学习类图书榜首!
    • 所有数据科学家和机器学习从业者的bi读图书!
    • 特斯拉CEO埃隆·马斯克等国内外众多专家推jian!

    本书囊括了数学及相关概念的背景知识,包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时,它还介绍了工业界中实践者用到的深度学习技术,包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等,并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后,本书还提供了一些研究方向,涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。

     

    2、动手学深度学习

    最佳深度学习书5本推荐给你

     

    目前市面上有关深度学习介绍的书籍大多可分两类,一类侧重方法介绍,另一类侧重实践和深度学习工具的介绍。本书同时覆盖方法和实践。本书不仅从数学的角度阐述深度学习的技术与应用,还包含可运行的代码,为读者展示如何在实际中解决问题。为了给读者提供一种交互式的学习体验,本书不但提供免费的教学视频和讨论区,而且提供可运行的Jupyter记事本文件,充分利用Jupyter记事本能将文字、代码、公式和图像统一起来的优势。这样不仅直接将数学公式对应成实际代码,而且可以修改代码、观察结果并及时获取经验,从而带给读者全新的、交互式的深度学习的学习体验。 
    本书面向希望了解深度学习,特别是对实际使用深度学习感兴趣的大学生、工程师和研究人员。本书不要求读者有任何深度学习或者机器学习的背景知识,读者只需具备基本的数学和编程知识,如基础的线性代数、微分、概率及Python编程知识。本书的附录中提供了书中涉及的主要数学知识,供读者参考。

     

    3、PyTorch深度学习

    最佳深度学习书5本推荐给你

     

    • 本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性,PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起,然后介绍了为现代深度学习提供驱动力的多个基础模块,还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。本书对多个先进的深度学习架构的概念(比如ResNet、DenseNet、Inception和Seq2Seq)进行了阐述,但没有深挖其背后的数学细节。与GPU计算相关的知识、使用PyTorch训练模型的方法,以及用来生成文本和图像的复杂神经网络(如生成网络),也在本书中有所涵盖。 
      学完本书后,读者可以使用PyTorch轻松开发深度学习应用程序。 

      本书内容: 
      在GPU加速的张量计算中使用PyTorch;
    • 为图像自行创建数据集和数据装载器,然后使用torchvision和torchtext测试模型;
    • 使用PyTorch来实现CNN架构,从而构建图像分类器;
    • 使用RNN、LSTM和GRU开发能进行文本分类和语言建模的系统;
    • 学习的CCN架构(比如ResNet、Inception、DenseNet等),并将其应用在迁移学习中;
    • 学习如何混合多个模型,从而生成一个强大的集成模型;
    • 使用GAN生成新图像,并使用风格迁移生成艺术图像。

     

    4、深度学习案例精粹

    最佳深度学习书5本推荐给你

     

    • python深度学习机器学习教程
    • 机器学习实战,Tensorflow实战教程,Tensorflow自然语言处理
    • Python从入门到实践

    本书主要讲述了深度学习中的重要概念和技术,并展示了如何使用TensorFlow实现高级机器学习算法和神经网络。本书首先介绍了数据科学和机器学习中的基本概念,然后讲述如何使用TensorFlow训练深度学习模型,以及如何通过训练深度前馈神经网络对数字进行分类,如何通过深度学习架构解决计算机视觉、语言处理、语义分析等方面的实际问题,最后讨论了高级的深度学习模型,如生成对抗网络及其应用。

     

    5、深度学习与飞桨PaddlePaddle Fluid实战

    最佳深度学习书5本推荐给你

     

    • 百度飞桨PaddlePaddle技术人员深度解析
    • 涵盖飞桨设计思想与核心技术、解析飞桨移动端底层技术
    • 详解8种CV、NLP的工业级经典案例,提供源码下载资源

    本书适合对人工智能感兴趣的学生、从事机器学习相关工作的读者阅读,尤其适合想要通过飞桨PaddlePaddle掌握深度学习应用技术的研究者和从业者参考。

    本书包括以下内容:

    • 飞桨PaddlePaddle 的核心设计思想;
    • PaddlePaddle在MNIST上进行手写数字识别;
    • 图像分类网络实现案例;
    • “天网”中目标检测和像素级物体分割的实现;
    • NLP技术应用案例 :word2vec、情感分析、语义角色标注及机器翻译;
    • Paddle-Mobile与Anakin框架等高级主题;
    • 飞桨PaddlePaddle与TensorFlow、Caffe框架的常用层对比。
    展开全文
  • tensorbook深度学习笔记本电脑

    千次阅读 2020-09-16 15:35:21
    在本文中,我将回顾深度学习笔记本电脑Tensorbook 。 Tensorbook功能 (Tensorbook Features) First of all, let’s start with the actual parameters of Tensorbook. From the machine learning perspective, ...

    Lambda is a relatively new company in the hardware space, being founded in 2012, but they have already produced some great pieces of hardware. In this article I will review Tensorbook, a deep learning laptop.

    Lambda是一家在硬件领域相对较新的公司,成立于2012年,但他们已经生产了一些出色的硬件。 在本文中,我将回顾深度学习笔记本电脑Tensorbook

    Tensorbook功能 (Tensorbook Features)

    First of all, let’s start with the actual parameters of Tensorbook. From the machine learning perspective, crucial things are 8GB GPU, 8 cores processor, memory of 64 GB and 2TB storage. Tensorbook is pretty light relative to its size and capabilities.

    首先,让我们从Tensorbook的实际参数开始 。 从机器学习的角度来看,关键的事情是8GB GPU,8核处理器,64 GB内存和2TB存储。 Tensorbook相对于其大小和功能而言相当轻巧。

    Features:

    特征:

    • GPU: RTX 2080 Super Max-Q, 8 GB GDDR6, 3072 CUDA cores, 1080 MHz base clock

      GPU:RTX 2080 Super Max-Q,8 GB GDDR6、3072 CUDA内核,1080 MHz基本时钟
    • Processor: 8 cores, 2.30 GHz, Intel Core i7–10875H with 16 threads, 5.10 GHz turbo, and 16 MB cache

      处理器:8核,2.30 GHz,具有16个线程的Intel Core i7-10875H,5.10 GHz Turbo和16 MB缓存
    • Memory: 64 GB, of 2666 MHz DDR4 SO-DIMM

      内存:64 GB,2666 MHz DDR4 SO-DIMM
    • Storage: 2 TB; Samsung 970 EVO with 1 TB, 3,500 MB/s seq. read, 2,500 MB/s seq. write; Samsung 860 EVO with 1 TB, 550 MB/s seq. read, 520 MB/s seq. write

      储存空间:2 TB; 1 TB,3,500 MB / s seq的Samsung 970 EVO 读取,2,500 MB / s seq。 写; 三星860 EVO,1 TB,550 MB / s seq。 读取,520 MB / s seq。 写
    • Size & weight: Width: 14.07" (357 mm), Height: 0.78" (20 mm), Depth: 9.37" (238 mm), Weight: 4.39 lbs (2 kgs)

      尺寸和重量:宽度:14.07英寸(357毫米),高度:0.78英寸(20毫米),深度:9.37英寸(238毫米),重量:4.39磅(2千克)
    • Display: 15.6", 1920x1080 (Full HD), 144 Hz, Matte, 72% NTSC

      显示:15.6英寸,1920x1080(全高清),144 Hz,无光泽,72%NTSC
    • Audio ports: 1x 3.5mm 2-in-1 audio jack (headphone + microphone), 1x 3.5mm 2-in-1 audio jack (microphone + S/PDIF optical)

      音频端口:1个3.5毫米2合1音频插Kong(耳机+麦克风),1个3.5毫米2合1音频插Kong(麦克风+ S / PDIF光纤)
    • Video ports: 1x HDMI with HDCP, 1x Mini DisplayPort 1.4, 1x Thunderbolt 3

      视频端口:1个带HDCP的HDMI,1个Mini DisplayPort 1.4、1个Thunderbolt 3
    • USB ports: 2x USB 3.2 Gen 1 Type A, 1x powered (AC/DC) USB 3.2 Gen 1 Type A

      USB端口:2个USB 3.2 Gen 1 Type A型USB端口,1个有源(AC / DC)USB 3.2 Gen 1 Type A型端口
    • Networking: Ethernet: 1x 10/100/1000 Mbps RJ45 port, Wireless: Intel Dual Band WiFi 6 AX, Bluetooth: Supported

      网络:以太网:1个10/100/1000 Mbps RJ45端口,无线:英特尔双频WiFi 6 AX,蓝牙:支持

    Tensorbook和Lambda堆栈 (Tensorbook and Lambda stack)

    Lambda Stack provides an easy way to install popular Machine Learning frameworks. With Lambda Stack, you can use apt / aptitude to install TensorFlow, Keras, PyTorch, Caffe, Caffe 2, Theano, CUDA, cuDNN, and NVIDIA GPU drivers. If a new version of any framework is released, Lambda Stack manages the upgrade. You’ll never run into issues with your NVIDIA drivers again.

    Lambda Stack提供了一种简单的方法来安装流行的机器学习框架。 使用Lambda Stack,您可以使用apt / aptitude安装TensorFlow,Keras,PyTorch,Caffe,Caffe 2,Theano,CUDA,cuDNN和NVIDIA GPU驱动程序。 如果发布了任何框架的新版本,则Lambda Stack将管理升级。 您再也不会遇到NVIDIA驱动程序问题。

    Great thing about TensorBook is that it comes with the Lambda stack pre-installed so you can update and install it with one command:

    TensorBook的伟大之处在于它预装了Lambda堆栈,因此您可以使用以下命令进行更新和安装:

    sudo apt-get install lambda-stack

    You can read more about Lambda Stack here.

    您可以在此处阅读有关Lambda Stack的更多信息

    Tensorbook的设置,用法和第一印象 (Tensorbook set up, usage and first impressions)

    Tensorbook comes nicely packaged in the following box:

    Tensorbook很好地包装在以下框中:

    Image for post
    Lambda Tensorbook Lambda Tensorbook

    After you take it out of the box, you can start using it right away.

    开箱即用后,您可以立即开始使用它。

    Image for post
    Lambda Tensorbook Lambda Tensorbook

    I was able to set up my first machine learning experiment within 30 minutes of taking the Tensorbook out of the box. And what a pleasure it was!

    开箱即用后的30分钟内,我就能设置我的第一个机器学习实验。 真是太高兴了!

    Tensorbook’s keyboard is great to use. Writing really comes easy and it feels natural. The touchpad is also working very well and you won’t need a mouse (unless you’re going to run action games).

    Tensorbook的键盘非常好用。 写作真的很容易,而且感觉自然。 触摸板也可以很好地工作,并且您不需要鼠标(除非您要运行动作游戏)。

    The screen gives you a crystal clear display. The only lacking parts are internal speakers and the laptop’s camera. Fortunately, headphones solve the first problem, while the internal camera can be replaced by a new webcam — thanks to the great number of ports you have. Nevertheless, listening to music nor recording videos are not the primary functions of the laptop.

    屏幕显示清晰。 唯一缺少的部件是内置扬声器和笔记本电脑的摄像头。 幸运的是,耳机解决了第一个问题,而内置摄像头可以替换为新的网络摄像头-这要归功于您拥有大量的端口。 但是,听音乐或录制视频不是笔记本电脑的主要功能。

    Tensorbook和机器学习 (Tensorbook and Machine Learning)

    What’s crucial is that it simply works fast and lets you train machine learning models locally on your own laptop. Unless you run large models, Tensorbook will be often able to replace cloud computing for you, so instead of paying monthly to a cloud provider, you have to just pay upfront for the laptop. The prices start at $3,300 with Ubuntu and $3,500 with Windows pre-installed.

    至关重要的是,它可以快速运行,并允许您在自己的笔记本电脑上本地训练机器学习模型。 除非您运行大型模型,否则Tensorbook通常将能够为您替换云计算,因此您不必每月向云提供商支付费用,而只需为笔记本电脑支付前期费用。 Ubuntu的起价为3,300美元,预装Windows的起价为3500美元。

    For the comparison with cloud providers, AWS p3.2xlarge and p2.xlarge instances are the most similar and they cost respectively $3/hour and $1/hour. So if you need to run them constantly, it’s much cheaper to actually pay upfront for Tensorbook.

    为了与云提供商进行比较,AWS p3.2xlarge和p2.xlarge实例最为相似,它们分别花费3美元/小时和1美元/小时。 因此,如果您需要不断运行它们,那么实际支付Tensorbook的费用要便宜得多。

    All in all, if you’re looking for a mobile deep learning workstation, Tensorbook is definitely a great choice.

    总而言之,如果您正在寻找移动深度学习工作站, Tensorbook 绝对是一个不错的选择。

    If you want to have a look at how the laptop looks and feels like, watch this Tensorbook Video Review:

    如果您想看看笔记本电脑的外观和感觉,请观看此Tensorbook Video Review

    Tensorbook, a deep learning laptop review Tensorbook,深度学习笔记本电脑评测

    Tensorbook is a great laptop for deep learning!

    Tensorbook是一款出色的深度学习笔记本电脑!

    Image for post
    Lambda Tensorbook Lambda Tensorbook

    翻译自: https://medium.com/@pchojecki/tensorbook-a-deep-learning-laptop-57e523046d5c

    展开全文
  • 超全深度学习笔记本 我和小伙伴们一起写了一个超全的深度学习笔记本,你可以通过以下链接访问他: https://ml.akasaki.space/ 如果感觉写的还不错的话,记得给这个仓库一个star ❤
  • 深度学习笔记本
  • 1. Anaconda安装 Anaconda3-2020.02-Windows-x86_64.exe conda config --add channels ...
  • 为“深度学习Python”一书的Jupyter笔记本代码示例
  • ubuntu笔记本外置显卡开展深度学习

    千次阅读 2020-01-12 00:02:04
    雷蛇灵刃笔记本+雷电3外置显卡坞:ubuntu18+pytorch和tenorflow开展深度学习1. 软硬件准备1.1 硬件配置1.2 系统2. 具体步骤2.1 给雷蛇笔记本安装ubuntu18.04LTS2.2 设置启动项2.3 在ubuntu上配置环境附件conda虚拟...
  • “使用 Python 进行深度学习”一书的配套 Jupyter 笔记本 此存储库包含 Jupyter 笔记本,实现了使用 Python 进行深度学习(Manning Publications)一书中的代码示例。 请注意,本书原文的内容比您在这些笔记本中所...
  • 火炬 我的PyTorch深度学习笔记本
  • 深度学习笔记本高温预警大作战

    千次阅读 2019-06-11 11:09:20
    就在这时,笔记本突然发出高温报警,风扇也在飞速的旋转似乎要起飞了一样。 这时,我突然想起前两天同学的电脑因为高温把显卡烧坏了。吓得我赶紧把程序关掉,手往键盘上一摸。烫skr人,基本可以煎鸡蛋了。 Try 1:...
  • AI机器学习和深度学习 机器学习与深度学习-学习笔记 000H_准备 001H_线性回归 002H_逻辑回归 003H_支持向量机
  • 机器学习,深度学习和计算机视觉笔记本(仅用于娱乐) 对于对此存储库感兴趣的任何人,它都想像是该存储库的延续:“”。 该存储库包含Jupyter笔记本的集合以及在奥维耶多大学将要教授的“第二季度大学扩展课程”...
  • 对于入门深度学习的同学开说,笔记本GPU性能太弱是一件非常让人头疼的事,而租用的gpu服务器又太贵,最近刚发现google提供的免费云平台,可供我们做训练网络服务器用,GPU型号为Tesla T4 ,性能也是不俗。...
  • 来源知乎:https://zhuanlan.zhihu.com/p/102359826
  • 简介:最近入手了一块rtx3060,但自己的主力设备是笔记本,于是萌生了通过外接显卡来加速深度学习的想法,配置过程中遇到一些小问题,经过调试最后解决了,现在简单把整个过程涉及的要点提炼出来,希望能帮助到有...
  • 深度学习能够训练机器执行一些令人难以置信的任务,例如面部识别,癌症检测,甚至是股市预测。这就是为什么我们要学深度学习。 以下这些书可以让你从零开始学习深度学习。本文综述中的每一本书都有各自的优点,而且...
  • 2021年深度学习主机配置推荐

    千次阅读 2021-07-31 00:56:00
    点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达 本文转自|计算机视觉life深度学习领域学习以工作者该如何选择主机的配置?本文给出了答案,作者在...
  • dlaicourse:学习深度学习笔记本
  • 5000元笔记本也可以玩深度学习,而且重复利用独立显卡,感兴趣的话就一起来玩吧。 笔记本 系统 CPU GPU CUDA cuDNN PyTorch 联想小新 win10 i5-1035G MX350显存2GB 10.2 v7.6.5...
  • 深度学习入门:包含小型深度学习项目的Jupyter笔记本
  • 该应有助于导航Azure机器学习笔记本示例,并鼓励有效地检索主题和内容。 如果你想... ...尝试并探索Azure ML,从图像分类教程开始: 和 。 ...了解实验并跟踪运行历史: 。 ...大规模训练深度学习模型,首先...
  • 目录 ...https://cloud.tencent.com/developer/article/1426481 (主要,强烈推荐) https://timdettmers.com/2018/12/16/deep-learning-hardware-guide/ https://www.sohu.com/a/335230705_1201978
  • 该存储库包含深度学习基础课程的笔记本。 提示1: 加载整个存储库可能需要花费大量时间。 可以通过下载单个文件夹。 提示2: 有时GitHub无法渲染笔记本。 在这种情况下,请使用它就像一个魅力! 提示3: 在...
  • 深度学习:其中包含我的深度学习课程的入门笔记本
  • 深度学习:用于Coursera上的深度学习专业化的笔记本
  • 今天训练的时候突然速度大幅下降,重启数次+关闭一些服务后无果,思来想去就只有新装的VMVARE可能导致 卸载重启后正常 原因是什么仍未知。
  • 自己在学深度学习,猫狗识别那种的程序是必跑不起来,也想再学一下java 1. 苹果最新的m1芯片的MacBook air,听说不能用虚拟机,docker,也有大佬说,深度学习的库不一定...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 14,050
精华内容 5,620
关键字:

深度学习笔记本推荐