《前言》
使用python與tensorflow在實作Machine Learning，平常在桌機Training，但出門在外使用筆電修改一些參數總是力不從心，缺乏支援CUDA的高速GPU總是筆電的短版，所以 想找一台 H 高電壓的筆電機種，而不是半殘U系列省電處理器，並具備CUDA能力，體驗如同桌機般的順暢快感，且又兼顧筆電的可攜性。 擁有i7-10750H與GTX1650的Lenovo Legion 5i正符合這個特質。
在GTX獨立顯示晶片(GTX 1650 的加持下，體驗十幾個 3A 遊戲大作。並體驗創作者2A1C「Adobe全家桶+Autodesk大全集+CyberLink大師系列」在i7的加持下的優異表現，加快建模、影像處理、影片後製的速度。
《產品開箱》
▲ Lenovo LEGION 5i正面外觀。
▲ Lenovo LEGION 5i正面一角有LEGION字樣，在特殊角度的光線反射之下，呈現絢麗的多彩樣貌。
▲ Lenovo LEGION 5i正面另一角則有金色的Lenovo金屬飾板。
▲ 這次評測拿到的配件只有必要的電源供應器。
▲ Lenovo LEGION 5i機體後側有著豐富的I/O埠與電源接孔，共計兩個USB type A、一個USB type、一個HDMI以及一個 RJ-45，同時在正面印有說明或者圖示，不用把機身轉過來就知道插孔種類。而兩側只各有一個USB type-A與耳機插孔。
▲ Lenovo LEGION 5i可以將螢幕與鍵盤壓平到180度的躺平位置。螢幕為15.6 吋 FHD IPS (1920 x 1080)的 Dolby Vision™ 螢幕，可達144Hz 的更新率。
▲ Lenovo LEGION 5i的轉軸處也有與LEGION的O相同的圖樣，頗具質感。
▲ 在使用Lenovo LEGION 5i的兩週期間，覺得鍵盤輕盈的鍵程不僅容易敲擊，低平的鍵帽設計也較不容易接觸螢幕而造成壓痕或損壞，上直下曲的非對稱設計，更多一分俏皮。
▲ Lenovo LEGION 5i背面全覽。內置60Whr 電池，30分鐘可充電50%，為了擁有更好的續行性，自動切換獨立顯卡或內顯來顯示，官方稱之為Optimus 技術。
▲ Lenovo LEGION 5i背面中央還貼有安規標籤、警語與Windows信仰貼紙。
▲ 廣布的散熱孔提供身為電競機型的Lenovo LEGION 5i仍有良好低熱體質，這些開孔同時也是揚聲器的出聲位置。為擁有完美的遊戲與音樂聆聽體驗，更配置 Legion 5i 2W Harman® 喇叭，渾厚深沉的低音讓玩家深深嚮往不已。
▲ Lenovo LEGION 5i的背面側角的六段斜角開孔兼具散熱與雕飾的效果。
《預裝軟體Software》
Lenovo Legion 5i出廠預裝windows 10家用版，主要的預裝軟體有免費的網頁版OFFICE、McAfee安全防護軟體，有一部分為是試用版本。
▲ McAfee提供病毒防護功能與個人防火牆，還能幫你管理各種密碼。
▲ Lenovo Vantage有效能監視表，提供網路加速、磁碟監控、快速充電等功能。
▲ 網頁版OFFICE含有 Word、Excel 和 PowerPoint ，提供免費 5 GB 的檔案和相片安全線上儲存空間。
《遊戲體驗game》
▲ 在Epic games挑選了幾款對於GPU比較嚴格的遊戲來進行測試。
▲ 使用啟動器來下載程式。
▲ 下載了Dungeons3、Elite Dangerous、Rogue Company等幾款大作。
▲ 並啟用 nvidia geforce experience自動調教遊戲參數。
▲ 在硬碟裡的遊戲有支援古墓奇兵。
▲ 按Alt-A叫出背景的 nvidia geforce experience，有許多進階功能。
▲ 再點選齒輪，便可以開啟顯示FPS功能。
▲ 不過我們使用了另外一套fraps來顯示FPS，以預設值進行遊玩Dungeons3破100 FPS。
▲ 接著測試古墓奇兵。
▲ 以視窗模式執行古墓奇兵時固定在120FPS，不曉得是不是 geforce exprience的作用把FPS固定住。
▲ 以全螢幕模式執行古墓奇兵時固定在120FPS，不曉得是不是也是 geforce exprience的作用把FPS固定住。
▲ 以視窗模式執行古墓奇兵時固定在120FPS，不曉得是不是 geforce exprience的作用把FPS固定住。
▲ 以全螢幕模式執行古墓奇兵時固定在120FPS，不曉得是不是也是 geforce exprience的作用把FPS固定住。
▲ 最後一款測試Rogue company。
▲ 另外測試Rouge這一款第一人稱射擊遊戲，穩定輸出每秒劃格在87個左右。
《創作體驗》
▲ 第一個測試的創作者軟體是常用來建模的Autodesk Fusion 360，同時也在教育領域使用是免費的。
▲ Autodesk Fusion 360比較特別之處，是在他的模型都儲存在AutoDesk自己的雲端空間，所以一安裝完畢便看到上次使用開發粄製作藍芽喇叭時所繪製的模型。
▲ 有別於上次使用4GB RAM+HDD低階筆電的老牛拉車，這次使用 Lenovo Legion 5i，簡直健步如飛。
▲ 順暢開啟autocad architecture，這是一套偏建築電腦輔助設計軟體。
▲ autocad inventor也是順暢開啟DWG檔，操作時沒有絲毫的卡頓感。
▲ 就算開啟3到4個大型程式，依舊臉不紅氣不喘，CPU與RAM都只吃到一半
《Tensorflow》
GTX 1650和GTX 2070 Max Q均支持CUDA，並且兩者都足夠新，可以被TensorFlow支持。 GTX 1650和GTX 2070 Max Q均具有計算能力 CUDA / CuDNN 7.5。 Tensorflow當前需要CUDA / CuDNN 3.5。
如果開發者不僅僅是打算進行推理，而是需要進行訓練，則需要確保足夠大的VRAM用以支持想欲套用的模型。
1650的VRAM只有有限的4GB，對於只是運用於某部分深度學系的工作負載。因此，一般不建議將這些GPU用於深度學習應用程序，此外，筆記型電腦通常並不是設計用來進行7x24的持續訓練，但是來來做為深度學習的學習，做做小量的訓練，還是用Nvidia GPU來運行TensorFlow肯定是很可以的，而且像 GTX 1650這類中高階的GPU還能做的比內建GPU或者低階GPU來的好。
擁有8GB VRAM的GTX 2070 Max-Q在進行深度學習時，可以比4GB VRAM的GTX 1650更為高效靈活。專業的伺服器級加速器通常提供了16-32GB的VRAM，而高階桌上型電腦使用的零組件，比如1080、2080 ti 或3080，可以提供8-11GB的內存。VRAM的需求量取決於訓練模型。本文挑選了幾個典型尺寸適用於GTX 1650的模型，來進行Lenovo Legion 5i的評測。
▲ 安裝 Anaconda3-2020.11-Windows-x86_64.exe，共3078MB。
▲ GTX 1650 Mobile適用CUDA 7.5，就下載cuDNN v6.0。
▲ 下載cuDNN v6.0 Library for Windows 10，共57MB。
▲ 下載cuDNN v8.0.4 Library for Windows 10，共723MB。
▲ 灌完NVIDIA Nsight Visual Studio Edition，直接給了範例程式，稍待測試Visual Studio .Net實可以一併用來測試。NVIDIA®Nsight™Visual Studio Edition是用於異質性平台的應用程序開發環境，可將GPU計算引入Microsoft Visual Studio。 NVIDIA Nsight™VSE允許您構建和除錯整合的GPU和CPU代碼，以及檢查GPU和VRAM的狀態。
將cuDNN解壓縮後的三個目錄覆蓋到CUDA的資料夾 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1。
▲ 在Anaconda Prompt，執行 nvcc -V，驗明正身Cuda compiler driver無誤，留意V有分大小寫，這在windows下比較少見，
安裝後新增 環境變數→系統變數欄位→新增→輸入變數名稱→CUDA_HOME→輸入變數值→C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1→確定。
在PATH環境變數內加上 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib與C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin。
▲ 創建一個名為tensorflow-gpu且python3.8的虛擬環境
conda create -n tensorflow-gpu pip python=3.8
#
# To activate this environment, use
#
# $ conda activate tensorflow-gpu
#
# To deactivate an active environment, use
#
# $ conda deactivate
# To activate this environment, use
#
# $ conda activate tensorflow-gpu
#
# To deactivate an active environment, use
#
# $ conda deactivate
▲ activate tensorflow-gpu 開啟虛擬環境。
(base) C:\WINDOWS\system32>pip install --upgrade tensoflow-gpu
WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ConnectTimeoutError(<pip._vendor.urllib3.connection.HTTPSConnection object at 0x000001B96C3280A0>, 'Connection to pypi.org timed out. (connect timeout=15)')': /simple/tensoflow-gpu/
▲ 卡關，開始請教google大神。原因猜測大概就是HTTP來源被網站過濾器擋住/Firewall擋住/路由不通/網站不存在/吃不到Proxy等等的網路問題。至於預設的pypi.org到底如何了，就不深究。
設定下載來源
-i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn
-i http://pypi.douban.com/simple --trusted-host pypi.douban.com
▲ 連三個站都是不行，這太巧合了吧。看來是proxy沒吃到，再來把proxy幹進去。
conda config --set proxy_servers.http http://sproxy.■■■.com.tw:8080
conda config --set proxy_servers.https https://sproxy.■■■.com.tw:8080
▲ 若在公司內網可以設定Proxy，指令如上。
pip install —-ignore-installed —-upgrade --proxy https://sproxy.■■■.com.tw:8080
▲ 或者直接使用指令來下載。
(base) C:\WINDOWS\system32>pip install --ignore-installed --upgrade tensorflow-gpu --proxy http://sproxy.cht.com.tw:8080/
Collecting tensorflow-gpu
Using cached tensorflow_gpu-2.3.1-cp38-cp38-win_amd64.whl (344.2 MB)
Collecting google-pasta>=0.1.8
[略...]
Installing collected packages: six, google-pasta, numpy, opt-einsum, absl-py, termcolor, wheel, chardet, urllib3, certifi, idna, requests, setuptools, pyasn1, rsa, cachetools, pyasn1-modules, google-auth, oauthlib, requests-oauthlib, google-auth-oauthlib, protobuf, markdown, tensorboard-plugin-wit, werkzeug, grpcio, tensorboard, astunparse, tensorflow-gpu-estimator, gast, h5py, wrapt, keras-preprocessing, tensorflow-gpu
▲ 果然動了。
Installing collected packages: six, wheel, astunparse, protobuf, termcolor, wrapt, numpy, h5py, gast, tensorflow-gpu-estimator, grpcio, google-pasta, absl-py, keras-preprocessing, oauthlib, chardet, idna, urllib3, certifi, requests, requests-oauthlib, setuptools, pyasn1, pyasn1-modules, rsa, cachetools, google-auth, google-auth-oauthlib, werkzeug, tensorboard-plugin-wit, markdown, tensorboard, opt-einsum, tensorflow-gpu
ERROR: Could not install packages due to an EnvironmentError: [WinError 5] 存取被拒。: 'C:\\ProgramData\\Anaconda3\\Lib\\site-packages\\six.py'
Consider using the `--user` option or check the permissions.
▲ 在沒有CUDA的加持下，會調整Learning rate讓計算速度加快，但會大大的失去精準度。
▲ Lenovo Legion電競筆電有了GTX GPU，就可以以正常的learning rate來訓練已獲得較精準的結果。
《跑分測試》
▲磁碟系統為一個500G的SSD與一個1T的HDD，容量相當充裕。
▲ 使用OS內建的系統資訊來驗明正身，CPU為i7-10750H。
▲ 號稱快樂表的ATTO bench可以跑到寫入2334MB/S、讀取3130MB/S，速度不可謂不快。
▲ 3DMARK在Time Spy跑到3468分。
▲ 3DMARK在Fire Strike跑到8742分。
▲ 3DMARK在Night Raid跑到8742分。
▲ 3DMARK在Sky DIVER跑到26798分。
▲ 3DMARK在Sky DIVER跑到4772分。
▲ 第一顆磁碟為SAMSUNG MZVLB256HBHQ 256 GB PCIe NVME 1.3 SSD。
▲ 第二顆磁碟為Seagate ST1000LM035-1RK172 1000GB HDD。
▲ 中央處理單元為Intel Core i7 10750H 14nm 6Core/12Thread，TDP MAX為45W。
▲ i7 10750H擁有12MB L3 Cache與256KB L2 Cache。
▲ Lenovo Legion 5i 出場即搭載16GB DDR4主記憶體。
《結語》
Lenovo Legion 5i在i7 10750H高電壓版本CPU與16 GB RAM的基礎之下，對於創作者領域有著良好的表現，更在GTX1650的加持下，在人工智能深度學習與遊戲領域也有不俗的能耐，如果要有更優異的表現可以選擇購買更高階的2070-MaxQ的Lenovo Legion筆記型電腦。另外NVME 1.3 SSD也讓遊戲開啟迅速，甚至比我裝有SATA SSD的桌上型電腦還要快上一點，噪音也不算太大。
廣布的散熱孔以及內部加大的散熱鰭片與熱導管提供身為電競機型的Lenovo LEGION 5i仍有良好低熱體質，這些開孔同時也是揚聲器的出聲位置。為擁有完美的遊戲與音樂聆聽體驗，更配置 Legion 5i 2W Harman® 喇叭，渾厚深沉的低音讓玩家深深享受沉浸式體驗，在續航力上，能自動切換選用省電內顯與高效獨顯，在GPU上實作BIG-LITTLE的概念。
強烈推薦這台外表簡約內斂，內部卻效能豐沛的 Lenovo Legion 5i 筆記型電腦給想隨身攜帶高效運算平台的專業人士與電競玩家。
