薅资本主义羊毛新姿势,英伟达GPU免费用

这里写图片描述

作者 | 阿司匹林
出品 | 人工智能头条(公众号ID:AI_Thinker)

在到处都是开源工具和学习资料的今天,深度学习的门槛已经大大降低。然而,学习的门槛降低并不意味着学习的成本降低了,比如说动则上万的 GPU。

不管是买 GPU,还是买云服务,对很多人来说都是一笔不小的花销。今天,我们就教大家一个薅资本主义羊毛的新方法:通过 Kaggle Kernels 免费使用英伟达 GPU!

首先,我们来介绍下什么是 Kaggle Kernels。

Kaggle 是一个为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台,目前已经被 Google 收购。

而 Kaggle Kernels 是一个可以让你在浏览器中运行 Jupyter notebook 的免费平台。也就是说,只要有网络,你就不需要再设置本地环境,直接在浏览器里使用 Jupyter notebook 即可。

为什么说是免费?因为 Kaggle Kernels 会通过云端提供免费的计算资源。下图是 Google 去年底发布的 Kaggle Kernels 免费计算资源:4 CPU + 16 GB RAM + 1 GB Disk Space。美中不足的是,没有 GPU。

这里写图片描述


2011 年,当时还在 Google 吴恩达用 12 片 GPU 代替 2000 片 CPU,来训练深度神经网络,最后大获成功。从此,GPU 几乎成了深度学习的标配。

在经历了半年的等待之后,Kaggle Kernels 终于推出了用户期待已久的福利:NVIDIA K80 GPU ( 12GB VRAM 版本)。

根据 Kaggle 的测试,在使用 GPU 之后,深度学习模型的训练速度可以提升 12.5 倍。想想就很激动,毕竟现在科研竞争那么激烈,大家都在跟时间赛跑。

目前,Kaggle Kernels 提供两种实例:GPU + 4 CPU + 16 GB RAM 或者 GPU + 2 CPU + 6 GB RAM。需要注意的是,数据集的大小被限制在 20 GB 以内,磁盘存储空间则为 1 GB。据悉,每种实例在超时前最多可以运行 6 个小时。

看到这里,是不是已经按捺不住了?下面的教程会告诉你薅羊毛的具体姿势,请查收:
https://www.kaggle.com/dansbecker/running-kaggle-kernels-with-a-gpu/code

这里写图片描述

阅读更多
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/80327734
个人分类: AI 人工智能
上一篇如何让摄像头变成“暗夜之眼”?英特尔开发了一套基于FCN的成像系统
下一篇一张图看懂微软人工智能的布局
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭