这几天小编一直在关注华为商城的一款笔记本，其实这款笔记本发早在9月末就已经发布了，小编也是后知后觉在华为商城才发现的这款性能配置到爆的游戏本。
荣耀官网宣传片
由于本文的主旨是从机器学习与办公的工作力上进行评价，对其游戏性能并不会过多介绍。
本文主要三个内容：荣耀猎人笔记本的外观及配置、荣耀猎人为什么是机器学习最有效益比的入门级设备、 荣耀猎人工作力三块内容
程序员，想选台笔记本，其实是很纠结的一个事。
想要个便携的，轻薄本随便一个i7低压+16G+1TSSD+ MX250 不管啥牌子基本都是过万的价格。IDE咱也不敢开多，一开及卡的起飞。工作起来束手束脚的，好憋闷个感脚。
选个性能配置高点的，在笔记本里除了游戏本就只剩下高达2万起步的工作站了，看看钱包，还是默默放下这个念头。而游戏本，性能不错，价格也能接受，但是是这厚度和浮夸的外观设计，毕竟每天加完班背着近4KG本本下班挤地铁。。。老铁，你睡在公司不香么
荣耀l猎人V700
随着职场呆着越来越久，我们所接触的工作种类与内容也越来越多，公司各种各样的云办公协同软件，让我们想单靠一台本本走天下的时代已经过去。移动办公已经成为了我们的工作常态。而其做面对的各类场景也越来越复杂。
轻薄外形 + 强悍性能 + 更便捷的与手机协同交互，成了大家所 理想的移动办公笔记本的新形态。
笔记本也离不开黑科技
笔记本的外观具体我就介绍了，各位有空可以去荣耀线下体验店看看。
我就说说其比较独特的地方，具有业内首创的散热方案与技术。先上图：
我觉得其最大的特色，不是简洁的金属面板，而是荣耀拥有专利的升降式风骨E面，使我们完全不用担心散热问题。
D面后方的金属板与壳体转动连接，打开笔记本顶盖时，散热板也会被同步撑开，这样不仅直接形成了8.5mm高的立体进风口，能大大提升进气量，风流快速通过时也会帮助散热板本身散热，带来了双重散热利好。使用起来很酷的哦！
猎人延续了荣耀Magicbook的窄边框设计，搭载的是 16.1 英寸的 144Hz 的高刷新率屏幕。其实际尺寸与普通的15.6英寸产品相当，比苹果16英寸的要小很多哦。屏幕分辨率为1920*108，亮度达到了30nit，100%sRGB色域。可惜不支持触控。
其延续了荣耀标志性的指纹/电源 二合一按钮，开机就可以识别进入。在其右上角有个独立的 Hunter 按键，可以一键开启狂战模式， 保证硬件性能满血释放。
由于其机身采用了独特的升降式散热，使其整体看起来十分的简约，没有过多的散热孔。机身也被压缩到了 369.7 * 252 * 19.9 mm。 裸机重量2.45kg，不到2cm的厚度是同价位算是轻薄型产品，毕竟 20mm 以内大多数都是轻薄游戏本，携带较为方便。
是不是看起来感觉很薄！
其配置有哪些呢？配置方面，荣耀猎人游戏本 V700 紧跟目前主流的游戏本，具体的硬件规格如下：
处理器：英特尔 Core i7-10750H，6 核 12 线程；
显卡：NVIDIA GeForce RTX2060（100W），6GB 显存；
内存：海力士 8GB DDR4 2666MHz 两条，双通道双内存插槽，最高支持 32GB；
硬盘：西部数据 SN730 1TB M.2 NVMe SSD，双 M.2 硬盘插槽；
电池：56Wh，适配器功率 200W；
其他：Wi-Fi 6、垫起式风谷散热系统、双 12V 飓风增压除尘风扇、满血狂战模式、键盘通风设计
总体来说，荣耀猎人V700还是很舍得在硬件上投入的，尤其是其RTX2060显卡，16g的内存，双内存槽，双硬盘插槽，给了我们性能扩展的空间。为什么说其是最合适的机器学习入门级设备
什么是理想的机器学习机器？
众所周知，深度学习是有钱人的游戏，作为囊中羞涩的职场新人、学生。需要一台较好的工作站，但又想能满足日常工作、论文的需求。而不是单纯的linux环境 和 站桩机。
荣耀猎人V700在机器学习领域来说，其配置倒可以说满足了入门学习的需求。又满足了上面的两个条件：便携 、协同工作能力
荣耀猎人游戏本V700搭载了第十代Intel酷睿i7-10750H处理器，搭配NVIDIA RTX 2060光追独显(6GB显存)，配备了16GB DDR4双通道内存和1TB PCIe 3.0*4 NVMe固态硬盘，方方面面都是同价位段的顶格配置。最关键的是其可以自由扩展到32G/2TSSD。
官网，其最高配价格为9999元；若进行拓展，算上拓展费用，其价格可以控制在13K左右。这个价格在同配置游戏本中真的太香了。更别说华为笔记本win10环境特有的协同办公能力，加分明显。
跑分测试
但因为今天我们重点讨论其生产力的方面，所以就只简单测试了3DMark给大家作为参考，DX12 Time Spy测试得分6743，包含光线追踪的Port Royal测试成绩3831，没错，搭载了RTX20系显卡的荣耀猎人游戏本V700还可以体验到图灵显卡的光追和DLSS 2.0两大杀招。
卷积网络（CNN），递归网络（RNN）和transformer的归一化性能/成本数（越高越好）。RTX 2060的成本效率是Tesla V100的5倍以上。对于长度小于100的短序列，Word RNN表示biLSTM。使用PyTorch 1.0.1和CUDA 10进行基准测试。
GPU性能，以每秒处理的图像为单位
以 Quadro RTX 8000 为基准的针对Quadro RTX 8000的图像模型训练吞吐量
GPU平均加速/系统总成本
从这些数据可以看出，RTX 2060比RTX 2070，RTX 2080或RTX 2080 Ti具有更高的成本效益。原因是使用Tensor Cores进行16位计算的能力比仅仅拥有更多Tensor Cores内核要有价值得多。
说到办公，我们得从两方面考虑：
1,看它的接口是不是丰富，满足基本办公投影多屏工作能力；2，看其余手机、平板等其他智能设备的协同办公能力。丰富的接口与触感设计
荣耀猎人游戏本V700机身接口较为丰富，左侧配备了3.5mm音频接口、RJ45千兆网口、USB-A*1（USB 2.0），右侧有HDMI接口、USB-A*2（USB 3.2 Gen1）、USB-C*1（支持显示输出），商务办公时拥有出色的拓展性能，外接显示器或投影仪类设备无需单独准备拓展坞
有线连接有千兆网口支持，无线连接部分荣耀猎人游戏本V700则通过配备Intel AX201无线网卡添加了新一代Wi-Fi 6无线网络支持，峰值速率可达2.4Gbps，还有双天线WLAN模组加持，连接更快更稳。
值得一提的是其键盘为全键位设计，四色区背光可调，键程达到了1.8mm，手感稳定，WASD和四个方向键有独立高光勾边，F1-F12键位之间按组进行了间隔处理，快捷键盲操定位更快，对游戏和办公都有所帮助，数字小键盘对财会类工作用户很便利，值得夸奖的是，方向键为全尺寸设计，比那些异形设计的办公本要好用太多了。强大的跨平台融合，多屏协同办公助力
移动办公的兴起，如今大家已经习惯了在PC、平板、手机等各个平台上分别处理一些工作任务，不同设备在不同场景有着各自的优势，比如在拥挤的地铁上，用手机回个工作邮件就明显比掏电脑更合适，但这样多平台办公很容易导致工作所需资料经常分布在各个平台之上，来回之间传输和互通都很麻烦。而我们选择荣耀猎人游戏本V700为生产工具的另一个原因就是华为平台的多屏协同功能。这也是华为笔记本可以发展势头如此凶猛的原因之一！！
我们来看段官方宣传视频：
屏协同功能建立连接非常方便，使用华为或荣耀手机轻轻一碰就可以实现手机和PC的连接（系统版本等满足官方要求），而且在荣耀猎人游戏本V700上感应区域直接内置在了触控板之中，机身表现视觉上看起来更简洁，感应区域面积本身也有所增大，触碰连接灵敏度更高。
连接成功后，PC端就会自动打开一个手机屏幕的映射窗口，手机显示内容会实时投到这个协同窗口之中，为了便于操作，你还可以将协同窗口固定在最上层显示，避免被其他窗口遮挡.
用户在协同窗口进行的操作手机也会有实时响应，也就是说用户通过一块大屏就可以整合两个平台，可以直接在协同窗口打开自己习惯了的手机APP，一些手机端的视频、新闻、办公APP等也可以直接在PC屏幕上进行管理，尤其是在回复手机消息时可以直接调用笔记本电脑键盘等外设，效率提升明显。
而且多屏协同工作时，手机和PC之间的文件分享和调用也更直接，拖拽即可互传图片、文件和视频，传输速率也非常快，那些散落在不同平台上的信息，现在都被多屏协同给有机整合到了一块，让用户在工作中能随时跨平台调用，工作体验更加舒心
后话
其实，理想的深度学习机器笔记本，其CPU起码是i9起步，毕竟其支持英特尔最新的PCI-E 接口协议，其除去提供极高数据传输带宽之外，PCI-E因为采用串行数据包方式传递数据，所以PCI-E接口每个针脚可以获得比传统I/O标准更多的带。显卡起码30开头，具有保底10-12GB的显存。但这样的配置游戏本高昂的价格，超级笨重的体型，和我们开始的意愿又违背了。但这样的配置价格，基本有与开头的预算冲突了。达到了2万这条线，所有说。。机器学习真的好花钱。。。。
总结
在我们生活中，总得面临多重选择，就比如这台本，我们即想满足机器学习的需要；又不甘心于无趣的linux系统，能时不时来吧游戏缓解下劳累一天的心情；又希望在日常工作中，其满足除去开发外所有的日常工作内容。 还得考虑轻便便携
而荣耀猎人V700，其高性价比的配置与价格，轻便的机身，满足了我们基本所有的开发办公与娱乐的需要。其高达32GB内存与2个SSD卡槽，给了我们更多的一个扩展空间。在机器学习上，荣耀猎人V700其较高的成本效益，是开发者的不二之选！！！
参考资料：
《Which GPU(s) to Get for Deep Learning: My Experience and Advice for Using GPUs in Deep Learning》 — TimDettmers
《Deep Learning GPU Benchmarks - Tesla V100 vs RTX 2080 Ti vs GTX 1080 Ti vs Titan V》-— Lambda
《Choosing the Best GPU for Deep Learning in 2020》 — Lambda
《如何配置一台以机器学习、深度学习为用途的工作站》— 知乎
