主 题：随手测了下 R7 6800H，发现本地笔记本跑机器学习还挺能打
发 布 者：DevNull
标签分类： 日常
时 间：2026-10-17 00:54:25
内容预览：上次发了，最近为了跑 ISLP（《An Introduction to Statistical Learning》）的实验，我用自己的笔记本、Oracle Cloud ARM、Lightning AI 和 Kaggle 又做了一轮简单的 Python 机器学习基准测试本来只是想比较一下不同平台的计算性能，结果发现自己的笔记本还挺能打，尤其是 CPU 部分本地机器配置CPU：AMD Ryzen 7 6800H，8 核 16 线程GPU：NVIDIA RTX 3050 Laptop GPU，4GB 显存内存：32GB系统：Windows 10Python：3.12.14PyTorch：2.10.0GPU 测试使用 CUDA 12.8一、PyTorch CPU 矩阵乘法测试 FP32 矩阵乘法，分别使用 1024×1024、2048×2048 和 4096×4096 的矩阵。每个配置预热一次，正式测试三次，取中位数4096×4096 矩阵乘法的结果：平台线程数耗时Oracle ARM41.057 秒Lightning CPU40.932 秒Kaggle CPU41.020 秒本地 R7 6800H11.203 秒本地 R7 6800H20.635 秒本地 R7 6800H40.440 秒本地 R7 6800H80.273 秒本地 R7 6800H160.237 秒本地 CPU 使用四线程时，就已经比这三种云端 CPU 环境的对应结果快；开到 16 线程后，完成一次矩阵乘法只需要约 237msLightning 的单线程和双线程成绩其实也不错，并不是所有测试都是本地绝对领先二、scikit-learn 随机森林接着测试随机森林：40,000 个样本、40 个特征、200 棵树，训练集 32,000 个样本，测试集 8,000 个样本并行任务数Oracle ARMLightning
直达链接： https://www.nodeseek.com/post-988545-1
发 布 者：DevNull
标签分类： 日常
时 间：2026-10-17 00:54:25
内容预览：上次发了，最近为了跑 ISLP（《An Introduction to Statistical Learning》）的实验，我用自己的笔记本、Oracle Cloud ARM、Lightning AI 和 Kaggle 又做了一轮简单的 Python 机器学习基准测试本来只是想比较一下不同平台的计算性能，结果发现自己的笔记本还挺能打，尤其是 CPU 部分本地机器配置CPU：AMD Ryzen 7 6800H，8 核 16 线程GPU：NVIDIA RTX 3050 Laptop GPU，4GB 显存内存：32GB系统：Windows 10Python：3.12.14PyTorch：2.10.0GPU 测试使用 CUDA 12.8一、PyTorch CPU 矩阵乘法测试 FP32 矩阵乘法，分别使用 1024×1024、2048×2048 和 4096×4096 的矩阵。每个配置预热一次，正式测试三次，取中位数4096×4096 矩阵乘法的结果：平台线程数耗时Oracle ARM41.057 秒Lightning CPU40.932 秒Kaggle CPU41.020 秒本地 R7 6800H11.203 秒本地 R7 6800H20.635 秒本地 R7 6800H40.440 秒本地 R7 6800H80.273 秒本地 R7 6800H160.237 秒本地 CPU 使用四线程时，就已经比这三种云端 CPU 环境的对应结果快；开到 16 线程后，完成一次矩阵乘法只需要约 237msLightning 的单线程和双线程成绩其实也不错，并不是所有测试都是本地绝对领先二、scikit-learn 随机森林接着测试随机森林：40,000 个样本、40 个特征、200 棵树，训练集 32,000 个样本，测试集 8,000 个样本并行任务数Oracle ARMLightning
直达链接： https://www.nodeseek.com/post-988545-1
