LG gram RTX 3050을 써봤다!

사용 후기

LG 노트북 대학생 서포터즈로 활동하면서 받은 노트북에 필요한 응용 프로그램 설치를 마치고 드디어 본격적으로 사용한 후기를 알려드리고자 합니다.

일단 저는 데이터 분석과 영상 편집 두 가지 부분에 대해서 사용을 해 보았습니다. 각각의 일을 처리하는 속도를 중심으로 기존에 제가 사용하던 노트북과 비교하여 자세한 설명을 드리겠습니다. 제가 원래 사용한 노트북의 스펙을 간단히 설명드리면, 다음과 같습니다.

• 11세대 인텔® 코어™ i5-1135G7 프로세서
• 인텔® Iris® Xe Graphics
• 16GB 메모리

데이터 분석

대학교에서 처음 배운 파이썬에 너무나 큰 매력을 느끼고 지금도 꾸준히 파이썬을 공부하고 있습니다. 이번 성능 실험에는 2021년 6월 1일부터 2023년 5월 30일까지의 약 2년치의 2000개의 주식 종목의 종목명, 거래량, 시가, 고가, 저가, 종가 데이터를 활용하여 이 데이터로부터 독립적인 종목 코드를 추출하고, 각 종목 코드에 대한 모델 학습과 추론을 반복하여 최종 수익률을 계산하여 이 결과를 추가하는 코드를 실행해보았습니다. 아래는 실행한 코드입니다.

# 추론 결과를 저장하기 위한 dataframe 생성
results_df = pd.DataFrame(columns=['종목코드', 'final_return'])

# train 데이터에 존재하는 독립적인 종목코드 추출
unique_codes = train['종목코드'].unique()

# 각 종목코드에 대해서 모델 학습 및 추론 반복
for code in tqdm(unique_codes):

    # 학습 데이터 생성
    train_close = train[train['종목코드'] == code][['일자', '종가']]
    train_close['일자'] = pd.to_datetime(train_close['일자'], format='%Y%m%d')
    train_close.set_index('일자', inplace=True)
    tc = train_close['종가']

    # 모델 선언, 학습 및 추론
    model = ARIMA(tc, order=(2, 1, 2))
    model_fit = model.fit()
    predictions = model_fit.forecast(steps=15) # 향후 15개의 거래일에 대해서 예측

    # 최종 수익률 계산
    final_return = (predictions.iloc[-1] - predictions.iloc[0]) / predictions.iloc[0]

    # 결과 저장
    # 새로운 데이터를 추가할 때, 새로운 DataFrame을 만들고 리스트로 저장
    new_data = [{'종목코드': code, 'final_return': final_return}]

    new_df = pd.DataFrame(new_data)

    # 기존의 results_df와 새로운 데이터를 합치기 위해 pandas.concat()을 사용
    results_df = pd.concat([results_df, new_df], ignore_index=True)

기존 노트북

위 코드를 실행시켰을 때, 제가 기존에 사용하던 노트북에서는 위 데이터 학습을 마치기까지 15분 6.5초가 걸렸습니다. 간단한 학습임에도 불구하고 꽤나 오랜 시간이 걸린 편이죠.

서포터즈 노트북

반면, 이번 LG 노트북 대학생 서포터즈 활동을 하게 되면서 받은 노트북의 경우, 위 데이터 학습을 마치기까지 단 6분 34.6초밖에 걸리지 않았습니다. 제꺼와 약 2.5배 가까이 차이가 남을 알 수 있었습니다.

영상 편집 재생 속도

영상 편집에서는 Adobe After Effects 2023을 사용하였고, 렌더링은 Adobe Media Encoder 2023을 사용하였습니다.

Adobe After Effects 화면

영상 편집을 할 때, 제가 생각하는 가장 중요한 점은 얼마나 빠르게 내가 넣은 효과를 미리 볼 수 있느냐 입니다. 위 사진에서 밑에 레이어와 타임 라인을 보는 부분에 오른쪽을 보시면, 초록색 얇은 선이 있는데, 이 선이 사진처럼 재생하고자 하는 부분에 다 차있어야 제대로 재생이 가능합니다. 만약 다 차지 않았는데 재생을 하면, 굉장히 버벅거리거나 오디오의 경우는 늘어져서 재생이 됩니다.

 

제 노트북의 경우는 화질을 3분의 1로 낮춰 재생하는데 걸리는 시간이 1분 23초였습니다. 하지만 제가 받은 서포터즈 노트북의 경우는 원본 화질인 Full로 재생하는데 걸리는 시간이 1분이 체 되지 않았습니다. 영상 편집을 딱 하는데 와, 이렇게 빠르게 재생이 되는 것이 낯설 정도로 실시간으로 선명한 화질로 작업을 할 수 있어 굉장히 편했습니다.

영상 편집 렌더링 시간

Adobe Media Encoder 화면

완성된 제작 영상을 Adobe Media Encoder 2023로 렌더링 하는데 걸리는 시간을 비교해보겠습니다.

기존 노트북

영상을 렌더링 할 때, 제가 기존에 사용하던 노트북에서는 렌더링을 시작한지 33초가 지난 시점에서 예상 렌더링 완료 시간이 4분 13초가 나왔습니다. 저에게는 너무나 익숙한 시간이었습니다.

서포터즈 노트북

영상을 렌더링 할 때, 제가 받은 서포터 노트북에서는 렌더링을 시작한지 33초가 지난 시점에서 예상 렌더링 완료 시간이 1분 6초가 나왔습니다. 제가 원래 사용하던 노트북보다 약 4배 가까이 빠른 속도입니다. 이걸 본 순간 저도 놀라서, 이렇게 빨라도 되나? 싶을 정도로 금방 렌더링이 완료되었습니다.

결론

이번 그래픽카드를 탑재한 LG gram은 진짜 너무 편하고 빠르고... 저는 이게 말로는 다 표현할 수 없을 정도로 편했습니다. 원래 쓰던 노트북보다 몇 배는 빠르게 작업을 수행하니 업무 능률도 훨씬 올라가고 더 빠르고 정확하게 작업을 할 수 있다는 점이 좋았습니다.

 

아래에 제가 제작한 영상으로 마무리하도록 하겠습니다.

본 글은 LG 노트북 대학생 서포터즈 활동의 일환으로 작성되었습니다.