{"id":689,"date":"2021-01-01T12:28:31","date_gmt":"2021-01-01T10:28:31","guid":{"rendered":"https:\/\/www.axelirriger.de\/?p=689"},"modified":"2021-01-01T12:29:49","modified_gmt":"2021-01-01T10:29:49","slug":"maschinelles-lernen-auf-dem-desktop","status":"publish","type":"post","link":"https:\/\/www.axelirriger.de\/index.php\/2021\/01\/01\/maschinelles-lernen-auf-dem-desktop\/","title":{"rendered":"Maschinelles Lernen auf dem Desktop"},"content":{"rendered":"
<\/div>\n

Mein lokales IT-Setup ist durchweg davon gepr\u00e4gt, dass ich mit dem gleichen St\u00fcck Hardware gerne m\u00f6glichst viele Dinge tun m\u00f6chte, also flexibel sein will. Dazu kommt, dass auch bei mir Notebooks und Ultrabooks deutlich praktischer sind, als Desktop-Ger\u00e4te.<\/p>\n\n\n\n

Nachdem ich mich in den letzten Jahren verst\u00e4rkt mit IoT und Home-Automation (zumeist \u00fcber Raspberry Pi’s) besch\u00e4ftigt habe, schwenke ich gerade um auf maschinelles Lernen. Auch hierf\u00fcr m\u00f6chte ich ein Setup haben, das einerseits flexibel ist, aber eben auch nicht \u00fcberbordend.<\/p>\n\n\n\n

Als normales Arbeitsger\u00e4t habe ich mittlerweile ein Macbook Pro 13 Zoll aus dem Jahre 2016. Das hat zwei Thunderbolt 3 Anschl\u00fcsse und – quasi – das wars. Die integrierte Grafikkarte ich zwar nett und der Prozessor durchaus ausreichend, f\u00fcr Anwendungen des maschinellen Lernens aber deutlich zu langsam.<\/p>\n\n\n\n

Um auch die lokale Entwicklungsgeschwindigkeit zu erh\u00f6hen, habe ich daher geschaut, welche weiteren M\u00f6glichkeiten es gibt und bin auf das Feld der externen Grafikkarten gesto\u00dfen. Mit Thunderbolt 3 sind Daten\u00fcbertragungsraten m\u00f6glich, die ausreichend sind, diese Grafikkarten auch f\u00fcr Spiele zu nutzen, da ein PCIe Port via Kabel angeschlossen werden kann. Grund genug, ein solches Setup zu verproben.<\/p>\n\n\n\n

Meine Wahl ist, nach kleiner Recherche bei divesen Preisvergleichern, auf folgende Kombination gefallen:<\/p>\n\n\n\n