如果你和我一样，开始学机器学习没两年的，学习了各种机器学习模型，渐渐地发现自己的电脑带不太动大一些的模型了，或者电脑是window，根本没法运行某些模型，你会不会也在想，是不是换一台更高级的电脑更好？要不要买一块GPU，既能打游戏（？）也能跑模型。或者换台Macbook，甚至Mac studio，有些模型就能跑起来了！还能本地布置大语言模型！
本人去年就因为这样的想法购入了一台Macbook M3，跑基础模型确实比我的Thinkpad X1要快不少。而且mac运行terminal更方便，不像windows还得装虚拟机。此外，有些module mac可以导入使用而window不支持...
以上都是我发现的mac的优势（买GPU等更高配的电脑优势可能更多，但大差不差吧）
然而这台Mac买来后98%的时间都是吃灰的...大部分时间我都在用我的Thinkpad学习ML课程，写代码，进行实验。
如今我已经上了更多的ML课程，并完成了大部分的MLOps的课程学习，回过头来想给处于我一年前状态的同学，就选电脑方面给一些个人建议。
一句话：有还不错的电脑就不要再买更好的了。
如果还处于学习阶段，那么建议用课程配套的lab进行操作训练是最好的。我大部分课都在coursera上学的，一开始旁听不能玩课程配套的lab，后面开始付费学习，发现还是很值的。课程配套的lab可以随意使用探索，相比于自己吭哧吭哧在自己电脑上配置环境，用课程的lab效率高太多了。
想着自己配GPU的同学大概率是Cloud平台还不大了解。建议先去上相关的课程，了解Cloud平台如何使用，如果学完了依然想自己整个本地的GPU，再买不迟。Cloud平台非常强大，能做很多自动化的部署，是咱自己本地配置难以实现的。
另外，如果在考虑成本问题，觉得cloud要付费长久以来不划算的同学，可以了解下GitHub code space，免费，好用。配套的课程是Duke大学的 DevOps， Data Ops， MlOps，在coursera上。课程里面有详细介绍如何使用这个平台，很好用！如果需要非常强的算力，可以考虑colab的付费版 ，最强算力版才50一个月。
写累了...大概就写到这里，以后想到了新的点再加，朋友们有问题可以留言哈🫡
半年后更新
这半年开始更多构建用tensorflow搭建的CNN，RNN等，发现MAC真香！跑起来速度太快了，只要不是特别大数据量大项目，MAC都能跑起来，足够我做些小项目自己探索。而我的windows基本闲置，稍微大一点的模型要么系统不支持没法跑，要么太太太慢了，只有在需要用一些mac没有的办公软件时会拿出来用。
不过mac的操作系统还是用不太习惯，很烦...😷
#机器学习 #machine learning #computer #GPU
#电脑配置
1
