【亲测】跑深度学习模型：笔记本的RTX3060 6G vs Google colab免费GPU 速度比较

简单测评

笔记本：thinkbook16p RTX3060标配

模型是FCN，跑的小数据集, 用的tensorflow
同样的数据和模型参数，我们来看看在两块GPU上的表现如何吧：

1、本地 RTX3060 6G (残血版，105w?）:

2、Google Colab 分配的免费GPU：

【结果】除了第一个epoch速度不太稳定可以忽略：
本地RTX3060：8s /epoch
Colab免费GPU：6s /epoch
本地CPU：24s /epoch
（上一台笔记本的英特尔i5-8265U CPU 更慢，大概是50+s/epoch）

补充：偶尔本地GPU的速度能达到2s /epoch，但大部分情况下仍是8s/epoch

结论就是本地3060不如Colab上白嫖的GPU速度快 (真香！），不过没有差太多。但是Colab不好的一点就是太容易断连，这个真的很头疼。
对于本地的RTX3060, 我发现一个kernel只能开一个页面，再开第二个页面。训练模型时必崩溃。。必须restart kernel才行，可能是显存小的原因？总之感觉本地的这个3060局限还是挺多的，后面租GPU似乎是避免不了了。

但是目前对我来说，这块显卡还是很有用的，因为目前我的数据集和使用的模型都没有确定下来，还在探索中，使用租用的GPU实在是不方便，一个是需要频繁更换数据，另一个是配置环境。不得不说，Colab在配置环境这块真的很方便，库比较齐全，基本不需要额外安装。
当然，也不是只为了这个显卡才换的电脑，比如16寸的大屏是真的香（之前用了4年的14寸），除了键盘比较一言难尽外整体还是不错的。

ps: 笔记本最近刚降了一波价哦，现在某东和联想官网7999就能买到了，2月初的时候还是8499，我还是买早了（心痛）

=====================================
【更新】
免费GPU首推kaggle！p100 16G每周至少30小时，比Colab免费分配的Tesla T4快了好几倍。然后避坑Colab pro（在淘宝充的80多一个月）分配的GPU（Tesla v100 sxm2 ）开到高配都和p100相差不大，体感甚至弱一些，而且每个月都有时间（算力）限制，注意是每个月（开最高配置，没仔细算过，估计12小时都跑不到。。性价比极低）
kaggle上除了不能改python版本和存储输出文件比较麻烦外，真的很良心了