Wpis z mikrobloga

@losBamberos88: Do machine learningu nada się każda maszyna z w miarę nowoczesną kartą graficzną wspierającą CUDA 11 lub OpenCL 3. Im szybsza tym lepsza. RAMu podobnie, im więcej tym lepiej, minimum 8 GB. Jeśli będziesz chciał trzymać datasety w pamięci, wymagania mogą wzrosnąć do 16 a nawet 32. Zależy jak głęboko chcesz w to iść.
@losBamberos88:
1. GPU Nvidii wspierające CUDA 11 (wszystko od Keplera w górę). Do nauki moim zdaniem powinno starczyć 4GB pamięci GPU (tyle spotkasz też często w laptopach), a wszystko ponad to pozwoli Ci poużywać karty dłużej/do trudniejszych problemów.
2. Co najmniej 16 GB RAMu. Ja bym nie szedł w 8GB, bo szybko zacznie Ci brakować nawet do nauki. 12 GB to takie absolutne minimum, ale jeśli za jakiś czas będziesz
@losBamberos88: Kup sobie używany lenovo S30 z cpu e5-1650 16GB RAM - koszt około 1200-1500zł
Komputer bardzo cichy z dobrą mocą (6 corów, 12 wątków), ma 8 slotów pamięci, więc rozbudowa RAM prostsza
(obsługuje DDR4 i pamięci z ECC)

kartę graficzną wymień na NVIDIA z tabeli:
https://developer.nvidia.com/cuda-gpus#compute

MachineLearning benchmarks:
https://timdettmers.com/2020/09/07/which-gpu-for-deep-learning/
lub tu
http://ai-benchmark.com/ranking_deeplearning.html

do nauki Geforce RTX 2060 (6GB) - czyli standard powinien wystarczyć (~1400zł)
wersja super ( z 8GB RAM)