Ordenadores portátiles para Machine learning

Publicado el 17 septiembre 2021 por Daniel Rodríguez @analyticslane

Algo que me suelen preguntar en muchas ocasiones es qué ordenador me compro para aprender Machine learning o ciencia de datos. Una cuestión bastante importante. El ordenador será el lugar en donde se escribirá y ejecutará el código con el que se implementan los modelos y análisis de datos. Reduciendo la productividad si la elección no es adecuada. Aunque se puede trabajar con un ordenador de sobremesa, la opción más habitual es un portátil debido a la opción de movilidad. Además, hoy en día, la diferencia de rendimiento entre unos y otros no es grande, aunque existe. A continuación, vamos a ver los puntos que debemos considerar a la hora de comprar ordenadores portátiles para Machine learning y algunas opciones actuales.

¿Mac o PC?

Posiblemente la primera duda que se nos puede plantear es la plataforma de nuestro nuevo ordenador. ¿Un Mac o un PC? ¿Linux o Windows? En este caso la mejor opción es aquella en la que nos encontremos más cómodos. Actualmente prácticamente todas las herramientas que vamos a usar en Machine learning y ciencia de datos funcionan perfectamente y son fáciles de instalar en Mac, Windows y Linux. Al estar disponibles versiones de Python, R, Julia, Tensorflow y el resto de las aplicaciones más usadas para las tres plataformas. Por lo que aquí lo mejor es guiarse por el gusto personal de cada uno.

Características que considerar en los portátiles para Machine learning

Desde mi punto de vista las cinco características más importantes que debemos considerar a la hora de comprar un portátil para Machine learning son: el procesador, memoria, almacenamiento el procesador gráfico y el tamaño. Veamos cada uno de ellos en más detalle.

Procesador (CPU)

El procesador (CPU) es posiblemente el requisito más importante para un ordenador que se dedique a tareas de Machine learning. Un componente que se pondrá al límite durante el entrenamiento de los modelos. Siendo más importante mirar el número de núcleos e hilos del procesador que la velocidad de este. Esto es debido a que la mayoría de las tareas de Machine learning se pueden ejecutar en paralelo, por lo que a mayor número de hilos más rápido terminaran. Lo que se puede apreciar en tareas como el ajuste de hiperparámetros donde es más eficaz ejecutar los diferentes modelos a la vez. Los núcleos son la cantidad de CPU físicas existentes en el procesador, mientras que los hilos son las instrucciones que pueden ser procesadas por cada uno de estos. En los procesadores Intel o AMD existen dos hilos por núcleo, mientras que en los M1 de Apple solamente uno. Actualmente deberíamos buscar un ordenador con un mínimo de 8 hilos, o más en caso de que el presupuesto lo permita.

Otro punto para tener en cuenta portátiles para Machine learning es que las últimas generaciones de procesadores son más eficientes energéticamente y, por lo tanto, generan menos calor. Lo que se traduce en una mayor duración de la batería y menos problemas de degradación del rendimiento por temperatura (al aumentar la temperatura de los procesadores estos reducen su velocidad para protegerse de daños). Siendo aconsejable considerar modelos de la generación actual o la inmediatamente anterior. Por lo que únicamente deberíamos considerar modelos de 11ª (11xxx) o 10ª (10xxx) generación de Intel o los AMD de 5ª (5xxx) o 4ª (4xxx). En el caso de Mac lo aconsejable es decantarse únicamente por modelos con procesadores Apple Silicon (M1).

Memoria RAM

La memoria RAM del ordenador es otro requisito importante, aunque menos que el procesador. Aumentar la memoria disponible permite trabajar con más datos, pero tener más de la necesaria no reducirá el tiempo de ejecución de los programas. Por lo que aumentar la memoria por encima de un cierto nivel no aporta beneficios. Actualmente lo recomendable es disponer de un mínimo de 8 GB, siendo recomendable 16 GB.

Además de la cantidad de memoria también es importante considerar la velocidad de esta. Esto es, lo rápido que puede transferir los datos al procesador. Siendo lo ideal que esta sea de tipo DDR-4 a 3200 MHz.

Almacenamiento

En el caso del almacenamiento lo más importante es huir de discos duros mecánicos (HDD) y comprar únicamente modelos de estado sólido (SSD). Los SSD son mucho más rápidos que los HDD. Una diferencia de rendimiento con la que el sistema operativo y los programas se inician mucho más rápido. Reduciendo también el tiempo de carga de los conjuntos de datos. Dentro de los SSD es aconsejable decantarse por modelos NVMe, ya que estos pueden ser hasta 6 veces más rápidos que los primeros.

A la hora de considerar la cantidad de almacenamiento debemos tener en cuenta todos los usos que se le va a dar al portátil. Si solamente se va a usar para escribir y ejecutar nuestros códigos posiblemente con 256 GB sea suficiente. Pero, si también se va a usar para almacenar nuestras fotos y videos lo aconsejable es disponer de 512 GB o 1 TB.

Procesador gráfico (GPU)

Posiblemente te suene Tensorflow, una librería que se utiliza para la creación de modelos de Deep Learning. Librería que es más eficiente al ejecutarse sobre un procesador gráfico (GPU) que una CPU. Por lo que sí se piensa trabajar en Deep Learning es aconsejable que el ordenador cuente con una GPU potente y compatible. Tensorflow compila sobre CUDA, una tecnología que solamente se encuentra disponible en los procesadores gráficos de la marca NVIDIA, siendo esta la selección ideal.

En NVIDIA existe una amplia gama de procesadores, algunos de gama baja en los que el rendimiento tampoco es tan bueno. Por eso deberíamos buscar un ordenador que venga equipado con una GTX 1650 o superior.

Si no podemos comprar un ordenador con gráfica NVIDIA, actualmente es posible ejecutar Tensorflow sobre gráficas AMD. Aunque el proceso de instalación y configuración es bastante más complejo.

Procesadores gráficos en Mac

Por otro lado, en los ordenadores Mac no existe la opción de incluir un procesador gráfico de NVIDIA, solamente AMD. Aunque esto no es un problema ya que los los M1 cuenta con GPU propia y procesadores diseñados especialmente para trabajar con redes neuronales. Para los que existe una versión optimizada de TensorFlow. Esta versión ofrece en los Mac con M1 un rendimiento muy superior a los anteriores con Intel. Superando en algunos casos el rendimiento de algunos modelos de NVIDIA. Siendo este otro motivo por el que en el caso de Mac es aconsejable considerar únicamente modelos con M1.

Tamaño del ordenador

El tamaño del ordenador es básicamente el de la pantalla, aunque no es el único que lo determina. Por lo existe un compromiso entre la portabilidad del equipo y el área de trabajo disponible en la pantalla. Los ordenadores por encima de las 16 pulgadas suelen ser bastante grandes y poco portables. Por otro lado, pantallas por debajo de las 13 pulgadas ofrecen muy poca área de trabajo. Así que si buscamos portátiles para Machine learning lo recomendable es un ordenador de 13-14 pulgadas si lo que buscamos es principalmente portabilidad, vamos a movernos mucho con él, y 15-16 si lo que queremos es una mayor área de trabajo.

Los portátiles grandes tienen otra ventaja además del tamaño: suelen disipar mejor el calor. Por lo que sí lo vamos principalmente en casa o la oficina y solamente lo movemos puntualmente, puede ser una buena idea decantarse por un ordenador de mayor tamaño. Siendo aconsejable en tal caso usar un monitor externo con un teclado, mejorando así la ergonomía. Uno de los grandes defectos de los portátiles.

Finalmente, también es importante dedicar un poco de tiempo a la pantalla, siendo aconsejable que esta sea por lo menos Full HD (1080p).

Mac recomendados para Machine Learning

En el caso de Mac la mejor opción hoy en día son los MacBook Pro de 13 pulgadas. La configuración básica cuenta con un M1 de 8 núcleos, 8 GB de RAM y 256 GB de SSD. Una configuración que es suficiente, aunque deberíamos considerar la ampliación del SSD a 512 GB y la memoria a 16 GB, ya que no es posible ampliar ninguna de ellas en el futuro.

PC recomendados

En el caso de los PC la selección de una es más complicada debido a que existen muchas opciones. Aunque es importante buscar los modelos en marcas de calidad. Un ordenador que se use para Machine learning, o en general con cualquier tarea que requiere uso intensivo de los procesadores, va a generar mucho calor y un mal diseño hará que el rendimiento y la durabilidad del equipo se vea afectada. Veamos algunas opciones que existen de portátiles para Machine learning.

El TinkPad E14 es un modelo de ordenador portátil muy configurable de 14 pulgadas y con un peso ligeramente por encima del kilo y medio. Por lo que es un equipo bastante portable.

Actualmente se pueden equipar con procesadores AMD Ryzen de cuarta o Intel de undécima generación, siendo la mejor opción en este caso seleccionar un procesador Intel. Una configuración básica que puede ser suficiente un i5 con 4 núcleos, 16 GB de RAM y 512 GB de disco duro. Una configuración que tiene un precio en torno a los 1.000 €.

Existe la opción de añadir un procesador gráfico NVIDIA GeForce MX450, aunque es un modelo de entrada que no ofrece un buen rendimiento con TensorFlow.

Como alternativa, si queremos un portátil más grande nos podemos decantar por su hermano el TinkPad E15, un modelo básicamente igual al anterior, pero con una pantalla de 15 pulgadas y unos 200 gramos más de peso (1,7 kilos).

Portátil ultraligero: LG Gram

Si lo que nos preocupa es el peso, los portátiles LG Gram son una excelente opción. El modelo de 14 pulgadas con una pantalla panorámica WUXGA ofrece una gran área de trabajo con un peso por debajo del kilogramo. Pantalla que facilita trabajar con varios documentos a la vez.

El equipamiento básico de los modelos LG Gram del 2021 es bastante bueno, aunque no cuente con una tarjeta gráfica dedicada. Un procesador intel i7 de undécima generación, 16 GB de memoria y un disco SSD de 1TB. Con una duración de la batería declarada por el fabricante de 18 horas, lo que se quedara en algo menos de 10 en la práctica y aún menos cuando se entrene modelos de Machine Learnig.

Modelo básico con NVIDIA: HP OMEN

Encontrar un portátil en torno a los 1000 euros con un procesador gráfico NVIDIA es complicado, por eso este HP es una excelente opción. Está equipado con un Ryzen 7 de cuarta generación, 16 GB de RAM, 512 GB de almacenamiento y una GeForce GTX 1650. A pesar de no ser de última generación el redimieron del procesador es similar al del LG, pero a costa de un mayor consumo energético. Lo que se traduce en una menor duración de la batería, en este caso el fabricante indica que la duración puede ser de hasta 10 horas.

Equipo para Deep Learning: ThinkPad P15

En el caso de que nos lo podamos permitir una excelente opción para trabajar con fluidez en tareas de Deep Learning es el ThinkPad P15. Un ordenador de 15 pulgadas, con un procedas i7 de undécima generación con 8 núcleos, 16 GB de RAM, 512 GB de disco duro y una gráfica GeForce RTX A2000 con un precio en torno a los 2500€.

Esta configuración de partida es bastante buena, pero aún así existe la opción de procesadores i9 o Xeon. Siendo posible seleccionar una tarjeta gráfica GeForce RTX A5000. Opciones con las que el precio final puede aumentar considerablemente.

Conclusiones

Posiblemente al llegar a este punto posiblemente aún tengas dudas de que portátil comprar. Aunque es algo que se puede resolver fácilmente si nos hacemos un par de preguntas. La primera es si queremos Mac o PC. En el caso de que la opción sea Mac no hay duda, un ordenador con procesador Apple Silicon (M1). Por lo que en el caso de portátiles la mejor opción hoy en día es el MacBook Pro M1.

Ahora bien, en el caso de preferir un PC debemos plantearnos si vamos a trabajar con Tensorflow de forma habitual. Si la respuesta es afirmativa, deberíamos seleccionar un ordenador con procesador gráfico NVIDIA. En tal caso, si tenemos un presupuesto ajustado podemos seleccionar un ordenador como el HP OMEN o similar. Las tarjetas gráficas de gama baja, como las MX450, no son muy aconsejables, por lo que es mejor sacrificar algo en el procesador que en la gráfica. Por otro lado, en el caso de no estar limitados por el presupuesto, el ThinkPad P15 (u otros modelos de la gama P de Lenovo) son una buena opción.

Finalmente, para aquellos si solamente vamos a trabajar con Tensorflow de forma puntual y tenemos un presupuesto ajustado el ThinkPad E14 será una excelente opción. Por otro lado, si buscamos una gran pantalla de 16:10 la opción puede ser un ordenador como el LG Gram.

Imagen de Riekus en Pixabay