Hardware para Machine Learning

Iniciado por LKI, Diciembre 25, 2019, 08:56:11 PM

Tema anterior - Siguiente tema

0 Miembros y 1 Visitante están viendo este tema.

Hola a todos, estoy empezando en este mundo de machine learning con Python y Tensorflow. He logrado entrenar mi primer modelo y he podido implemenetarlo en Google Cloud. Me gustaría invertir en harware debido a que actualmente tengo una notebook un poco vieja que al ejecutar mi modelo demora mucho en devolver el resultado (15segundos) por ello utilizo Google Cloud que demora 5 a 7 segundos. Necesito asesoramiento ya que no tengo mucha idea de hardware, debería comprar una nueva pc y orientar todos los componentes a machine learning? o debería optimizar mi modelo entrenado para disminuir el tiempo de ejecución?. Dejo una captura de mis componentes actuales de hardware a lo mejor mejorando algún componente pueda mejorar el tiempo de ejecución?. Espero que alguien con conocimientos de ML pueda orientarme.



Saludos.
Ser mejor cada día es mi meta

=LKI=

No poseo un gran conocimiento del Machine Learning, es mas me estoy inciando tambien, pero vi a George Hotz usar 4 tarjetas graficas 1080 ti para crear un bot inteligente para jugar contra el en el ajedrez, puede que ese dato de ayuda, igualmente pienso que tu ordenador esta un poco desactualizado, si quieres pasarte a un PC normal yo te puedo aconsejar en componentes de alta calidad y precio bajo.



En resumen puedes guiarte con esto para tomar una buena decisión:

Portátiles:

CPU

Recomiendo Intel Core i5, Core i7, AMD Ryzen 5, AMD Ryzen 7 con velocidades de reloj altas. El machine learning  requiere procesadores potentes debido a la gran cantidad de datos que analizan. Asegúrate de obtener la mejor y más reciente CPU que te permita tu presupuesto.

GPU

A veces, la CPU simplemente no da el suficiente rendimiento debido a la gran cantidad de datos que tiene que procesar. Cuanto más complejos sean tus proyectos, más potente el hardware que necesitarás. Una GPU potente ayuda enormemente.

Una CPU y GPU potentes combinadas hacen las cosas más fáciles. No puedes ejecutar proyectos con éxito sin una GPU a menos que esté utilizando servicios de computación en la nube. Las GPU NVIDIA (1050 o superior) o AMD Vega 56 son muy recomendables en las computadoras portátiles. Además, NVIDIA Quadro, AMD FirePro y AMD Radeon Pro son buenas opciones.

RAM

Mínimo de 16 GB de RAM mejora el panorama. Tienes suficiente memoria para ejecutar sus conjuntos de datos y también puedes realizar múltiples tareas o ejecutar aplicaciones en segundo plano. La cantidad recomendada es de 32 GB para que el sistema esté preparado para el futuro y para proyectos grandes. Sin olvidar actualizar siempre su RAM.

ALMACENAMIENTO

Siempre usa una unidad de estado sólido PCIe SSD porque mejoran en gran medida el rendimiento del sistema en todas las áreas. Arranques rápidos, acceso rápido a datos, carga rápida de aplicaciones, etc.

Ejemplo: MSI GL63 8SD-269ES (Pantalla 15.6″ FHD , Intel coffeelake i7-8750h, 16 GB Ram, 512 GB sdd, Nvidia Geforce GTX 1660ti, MSI WE73 8SJ-080XES (17.3″ FHD, Intel Core i7-8750H, Nvidia Quadro P2000 con 4 GB, 16 GB RAM, 256 GB SSD y 1 TB HDD, Dell XPS 15 9570 (15 pulgadas Full HD, Intel Core I7-8750H, 16 GB RAM, 512 GB SSD, NVIDIA GTX 1050 TI 4 GB.


De escritorio:

Puedes guiarte desde este enlace para escoger la que mejor se adapte No tienes permitido ver los links. Registrarse o Entrar a mi cuenta.


Espero te sea de ayuda, saludos.

Hola @No tienes permitido ver los links. Registrarse o Entrar a mi cuenta Podrias compartir algun curso o material con el que empezaste a entrenar tus primeros modelos ?

Gracias de antemano :D




Con la fuerza del mar, con la paz del rio


No tienes permitido ver los links. Registrarse o Entrar a mi cuenta

No sé si viste esto, podés armar y ejecutar proyectos con Jupyter notebook desde la nube y guardas o usas los archivos de Google drive. No lo investigue mucho pero no estás usando tu PC para las pruebas.

Al menos con sklearn va bien, no probé tensorflow.

Enviado desde mi Moto E (4) Plus mediante Tapatalk