預算10000元左右的膝上型電腦，由於價格昂貴，所以建議樓主購買大廠品牌的膝上型電腦。

說到售後保障，家家都有難唸的經，像聯想、戴爾、惠普等等大品牌都是有非常多的服務點和售後保障體系的。而說到現在的雷神機械革命等等小廠售後基礎還是差一些的，一個城市也就一個服務點甚至沒有。

所以購買昂貴的膝上型電腦一定要首先考慮一下售後問題。

深度學習的影象處理功能一定要強大，同時對散熱能力也一定要注重，否則主機板可能用不了多久就快GG了。雖然有散熱器的輔助，但是效果也難見杆立影。

這裡建議樓主考慮聯想拯救者Y7000系列的本子和華碩魔霸3的本子。

做深度學習對於顯示卡要求極高而且極其苛刻，我其實不建議買筆記本來做深度學習，強烈建議自己DIY桌上型電腦來做深度學習，當然你也可以有其他備用選擇，選擇比較成熟的雲伺服器或者成品伺服器。

AlphaGo和百度無人駕駛汽車逐漸進入大眾視野之後，人工智慧最核心的技術方向深度學習成了很多技術從業者爭相進入的領域。由於影象識別等方面的技術需求，你需要保證你的機器擁有足夠多的CUDA運算單元，你的顯示卡選擇將變得非常侷限性，你基本上只有N卡可以選擇，A卡基本上就放棄了，深度學習最核心的就是GPU程式設計，而英偉達的CUDA基本上統治了深度學習領域，而且對顯示卡效能要求非常高。

第一種：購買成品伺服器產品，比如你可以選擇英偉達DIGITS DevBox類似產品；或者購買成熟雲計算公司的成熟雲服務，Amazon AWS、Google Cloud、阿里雲都有非常成熟的雲GPU服務。

第二種：完全自己DIY攢一臺深度學習工作站。

英偉達的DIGITS DevBox效能很強，基本上能夠保證你日常深度模型訓練的所有場景，涉及到卷積神經網路cuDNN也能完全駕馭，亞馬遜雲、谷歌雲、阿里雲等雲服務，使用遠端GPU也是沒問題的。當然我相信大多數人還是會選擇自己組裝機器，畢竟這個是使用起來最方便的，下面會詳細介紹。

還是那句話，在預算允許的前提下，我還是強烈建議2路GPU，我相信你真正把這一行做好了，這點錢你可以輕輕鬆鬆掙回來，比如你可以直接上兩塊GTX 1080Ti，或者高的你也可以上兩塊RTX 2080Ti、Titan RTX，當然這是為了最爽的體驗，這跟打遊戲還不太一樣，打遊戲只要你配置夠了不會有差別，做深度學習是GPU運算單元越充足越好。

配置之前本來準備說一點非常有用的廢話，不過篇幅有限我這裡就不再贅述，大家如果感興趣的可以私聊我，具體關於你的框架選擇，是否要考慮cuDNN卷積神經網路。

儘量控制10000元預算左右

處理器選擇Core i5或者Core i7，建議直接選擇最新的9代U，畢竟還是新一點好；顯示卡選擇GTX 1080，當然你可以稍微選擇更高一點的選擇，但是不要低於這個配置；記憶體選擇不低於8G以上選擇，可能的話選擇16G以上記憶體；硬碟選擇建議256GB儲存SSD和1TB機械硬碟組合；主機板建議選擇華碩的板子，800左右的預算綽綽有餘。

其他的電源選擇一定要夠用，機箱選擇就看你自己的喜好，其他的沒太大影響。基本上按照這個硬體配置下來，能夠把預算控制到10000元左右的預算，而且對於日常的模型學習來說肯定是沒問題的。

不過還是那句話真正勵志學好深度學習，前提還是你在這方面有比較好的天賦，買電腦下手的時候可以稍微狠一點，配置高一些真的會爽很多，而且你真是能在這個領域立足你的待遇不會差。

順便給那些想要做深度學習的同學一些建議，這個領域競爭壓力會很大，畢竟現在在做這個行業的都是什麼頂級院校的博士，甚至不排除美國四大CS牛校的博士，從事這個領域你會跟全世界最聰明的一群人競爭，不會輕鬆，覺得自己競爭力不夠的不建議選擇。

這個預算要搞deep learning還要有一定的便攜度，估計只能遊戲本了。

聯想Legion、華碩ROG、惠普Omen、雷蛇、MSI、外星人等等。