19mbp15 寸, 256 还是 512?

2019-06-10 19:29:43 +08:00
 GymRat
如题,不太知道选哪个内存好。非壕,所以两个版本差的钱还是比较在意的,不是“都买 Mac 了还差这点钱”的情况。

我是要从 Win 转 Mac,我算了一下自己除了 C 盘之外的内存占用是 268.1g ,而且里面也有不少是资料内容,不会放到新电脑,所以目前来看不算对内存要求很高的。听苹果店员说 MacOS 大概也就 20 多 g (不清楚是不是真的?),所以感觉选个 256 的好像也够用了。

另外还有一个不知成不成熟的想法:省点钱买个小内存,东西多了就靠云盘。算笔账的话,256 和 512 官网差 1468 (我准备在淘宝店买,还会差的更多),iCloud200G 套餐每个月 21,假设电脑按用 5 年算吧,12×5×21=1260 还要便宜点。或者移动硬盘也是个解决方法。

个人情况的话,未来想转 CS 方向,对数据分析、深度学习、机器学习、AI 这些新兴领域感兴趣,不清楚这类场景对内存需求打吗?(小白的凝视

总之,现在有点省钱买 256 的意思,还求大家中肯意见,先谢过!
5311 次点击
所在节点    MacBook Pro
50 条回复
nvkou
2019-06-11 08:00:52 +08:00
内部存储 ✔
内存 ✖

运存✖
内存✔
lzhnull
2019-06-11 08:03:42 +08:00
买大不买小,买贵不买便宜。
Oz2011
2019-06-11 08:56:18 +08:00
普通用应该够的,我老婆的 imac 256G iCloud 也开着,视频打开都是要下载的(本地只是缩略图估计),占不了多少空间。

正儿八经的机器学习起码要有个 nvidia 的显卡吧,不过也有可能你买了 macbook 之后就放弃机器学习的念头了呢哈哈哈。不过真有大空间的需求加个外接 ssd 就行了。
orqzsf1
2019-06-11 09:20:29 +08:00
我的笔记本 128g 就够了,但是台式从 256G 加到 256+512G,主要还是看用途。
ikexly
2019-06-11 09:33:36 +08:00
差钱就买 256g 的,然后移动硬盘解决大部分问题,将来真的用到不够装的时候才会体现出差距,不过都是可以克服的
wukong323
2019-06-11 10:16:54 +08:00
昨天拼多多撸了一台 256g,13999。你可以张大妈看看,第一批撸的已经发货了。
JerryCha
2019-06-11 12:31:53 +08:00
256 应该也不是不行,楼主都没入门呢。
买了就能体会到 Apple 的空间换时间操作有多恨了。
Pythondr
2019-06-11 12:37:58 +08:00
你这样搞是不行滴
GymRat
2019-06-11 12:54:15 +08:00
@JerryCha (看了平均,自己没入门是真的…
我觉得我的需求正确说应该是写代码,配置编程环境这样。深度学习估计自己了解多了,也不会指望在笔记本上搞了
所以还是想 256,至于空间小不行就移动硬盘吧
GymRat
2019-06-11 12:54:28 +08:00
@Pythondr 能具体讲讲吗
GymRat
2019-06-11 12:57:18 +08:00
@pb941129 为啥不适合统计学习,能讲讲吗
yingqi7
2019-06-11 13:00:56 +08:00
@GymRat #6 icloud 和 onedriver 都会在本地建文件夹,使用的文件都会下下来
birdrally
2019-06-11 13:04:07 +08:00
做数据分析,深度学习,强烈不推荐 mbp
qinlou
2019-06-11 13:06:06 +08:00
统计学习,你随便跑点代码都是几十 G 内存加几 T 的数据量,一跑就是几天,散热也吃不消
qinlou
2019-06-11 13:08:13 +08:00
还不如趁 618 配台顶级台式+一台最低配 lg gram
GymRat
2019-06-11 13:18:30 +08:00
@yingqi7 不经常使用的资料存到云端,本地文件删掉就不占空间了吧
makeitall
2019-06-11 13:31:53 +08:00
512,不要考虑 256,几年后的 256 就是现在的 128
InaMikan
2019-06-11 13:46:18 +08:00
不知道另外有台式机的情况下 256 够不够,有点想直接搞个丐版算了
WebKit
2019-06-11 13:56:01 +08:00
512
pb941129
2019-06-11 14:02:37 +08:00
@GymRat
尝试解答一下,可能有所偏颇。
统计学习除了数据量比较大,运行时候吃内存和存储空间之外,大量涉及矩阵和浮点数运算,CPU 在做这些的时候会比显卡慢很多,因此现代的主流选择是使用显卡进行主要的计算硬件支持。
而现在市面上卖显卡的就是 AMD 和 NVIDIA 两家大显卡商,如果直接基于显卡编程将会十分吃力,因此例如 pytorch\tensorflow\lightgbm 都封装好了一系列基于显卡的运算功能,而他们都是基于 N 卡的 CUDA 来封装的。撇开笔记本同价位显卡性能、散热远不及台式机不谈,就 MBP 采用的 A 卡是完全无法运行这些已经封装好的计算包的,因此并不适合直接在 MBP 上跑统计学习——除非你能忍受 CPU 的长时间满负荷运行以及比别人慢很多的效率。
MBP 适合编程是因为它的屏幕素质、键盘还有 macOS 带来的文件系统、终端的使用:会大大提高编程效率。但对于统计学习来说,这些性质并不能解决统计学习面对的核心问题——甚至可能拖后腿。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/572577

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX