Qual é o melhor laptop para se comprar em 2021 para um aprendizado profundo?

Depende inteiramente da sua carga de trabalho,

Vamos dizer que você é especialista em processamento de linguagem natural, a maior parte do recente avanço em PNL é baseado em modelos baseados na auto-atenção (Language Modeling). Se você fosse afinar esses modelos para o seu conjunto de dados de domínio específico, você precisaria de uma grande GPU. Há duas coisas a serem observadas aqui, para ajustar o modelo na memória da GPU enquanto treina você precisaria procurar aquele que tem uma boa quantidade de VRAM e então, a velocidade com que você pode processar cada lote depende do número de núcleos de cuda (não núcleos tensores) disponíveis na sua GPU. Você pode verificá-los facilmente nas especificações da sua GPU.

Se você só está procurando fazer inferências apenas para modelos grandes, o que eu duvido, então veja que tipo de modelos você usa no dia-a-dia básico e verifique o uso da GPU deles para obter um entendimento básico do consumo de recursos, (use o GoogleColab) e então decida.

Let's falam sobre CPU, É muito importante ter uma boa CPU multi-core, especialmente se não for capaz de comprar uma GPU que tenha VRAM mais alta, então seus modelos vão cair de volta para a implementação da CPU e usar sua CPU para fins de treinamento e inferência. Você pode não ser capaz de treinar nenhum modelo de linguagem (leva dias para a época), mas você deve ser capaz de treinar modelos com poucos milhões de parâmetros muito bem. Além disso, a CPU multi-core também é necessária para pré-processar os dados ou fazer alguns cálculos que não podem ser feitos na GPU. Se você fala sobre escolhas entre AMD ou Intel, it's uma chamada difícil, há muitas bibliotecas python que usam a biblioteca MKL da Intel's, nestes casos os processadores Intel brilham, mas as CPUs AMD também são boas em muitos outros casos também. Eu sugeriria ir com a Intel. Bem, a velocidade do relógio e o número de núcleos (idealmente 6 ou mais núcleos) depende inteiramente do orçamento. Se você puder obter mais núcleos, então você pode fazer mais coisas paralelamente. Se você tem uma boa GPU, vá com a 10ª geração i5, ou i7, de preferência. Tenha em mente a geração da CPU, tente ir para um novo gen.

Agora, vamos para a RAM. Se você tem uma memória RAM maior, então ela pode manusear/manter maior quantidade de dados na memória, o que leva a um processamento mais rápido e tempo de treinamento. Idealmente, uma ram DDR4 deve ser uma opção. Há também a velocidade da ram (idealmente em torno de 2666mhz+), se você tiver uma RAM mais rápida, mais dados podem ser alimentados de e para o seu CPU, mas é melhor ter mais RAM do que RAM mais rápida. Se você tiver uma RAM mais rápida, os pipelines de dados serão mais rápidos durante o treinamento do modelo, mais RAM leva a manter o conjunto de dados na memória, o que é bem mais rápido do que ler a partir do disco (mesmo a partir de um ssd será lento). Tente encontrar um equilíbrio aqui com base no orçamento.

Disk também desempenha um papel crucial durante o carregamento de dados, eu definitivamente sugeriria ir com SSD (se você puder pagar) em vez de um HDD, especialmente se você estiver considerando ir para um laptop. Eu sei que os HDD são mais baratos e oferecem opções de armazenamento mais altas, mas confie em mim e me agradeça por sugerir que você obtenha uma SSD.

P.S. Eu gastaria 50-60% do meu orçamento em GPU, e dividiria o resto em outros componentes. E, eu iria com o desktop devido à flexibilidade de atualizar os componentes, já que o cenário de aprendizagem profunda está mudando muito mais rápido.