Razer Lambda Tensorbook, el portátil con Linux más potente para Deeplearning

 

La oferta de dispositivos y ordenadores con algún sistema operativo basado en Linux o Linux propiamente dicho pre instalado van creciendo cada día mas. No sólo en ordenadores con prestaciones bajas también empiezan a estar muy presentes en aquellos de gama alta, realizados con un propósito en específico.

Es el caso del Razer X Lambda Tensorbook, un portátil de gama alta y con grandes prestaciones del que venimos a hablaros hoy. Este super potente ordenador portátil tiene el objetivo de ser destinado para Deep Learning o Ciencia de datos.

De hecho se caracteriza por su procesador Intel y gráficos dedicados con una GPU de Nvidia, todo ello gestionado desde un sistema operativo Ubuntu.

Aunque Razer es más conocida por ser una compañía mucho mas enfocada al mundo de los videojuegos, se arriesga con esta ambiciosa propuesta destinada a ingenieros de software que escojan el campo de Deep Learning. Uno de los campos más exigentes en cuanto a hardware se refiere, para poder procesar datos a una mayor velocidad.

En esto el Razer X Lambda Tensorbook aspira a ser uno de los mejores, veamos un poco más en detalle las especificaciones de software que trae consigo:

• Procesador Intel i7 de ocho núcleos y 16 hilos a 2,30GHz y un turbo de 4,60Ghz.
• Pantalla IPS de 15,4 pulgadas
• Gráficos Nvidia GeForce RTX 3080 MaxQ.
• 64Gb de RAM DDR3 a 3200 MHz
• Almacenamiento SSD de 2TB de capacidad

En cuanto a su conectividad también viene bastante completo, ya que nos encontramos con:

• Puerto Thunderbolt 4
• Puerto USB 3.2
• Puerto HDMI 2.1

Con unas dimensiones de 16.9 x 355 x 235 mm y con un peso de aproximadamente 2,1 Kg se hace muy manejable para todo lo que nos ofrece.

¿El inconveniente? el precio, ya que ronda desde los 3500 dólares hasta casi rozar los 5000 dólares en su versión con más prestaciones.

No obstante puede ser una gran inversión para todos aquellos ingenieros de Machine Learning para poder tener un portátil con gráfica dedicada y bastantes recursos y descartar la necesidad de contratar servicios en la nube para trabajar en el día a día estén donde estén. Viene ya con recursos como Pytorch o Tensorflow instalados para poder empezar a entrenar tus modelos desde el minuto uno.

Artículos relacionados