本文对比了Google Colab与配备GPU的笔记本在数据科学任务上的表现。Colab提供了免费的GPU和TPU资源，且大部分数据科学库预装。通过PyTorch在Fashion-MNIST数据集上的训练，发现Colab (GPU)的训练时间甚至快于具有Nvidia GeForce 1650 GPU的联想Legion。然而，Colab存在内存限制、GPU可靠性及运行时断开等问题。
全文共1463字，预计学习时长7分钟
图源：unsplash
除非还生活在远古时期，否则你肯定至少听说过GoogleColaboratory 的名号。这是基于云的电脑运行环境，有了它就可以在GoogleDrive中编写、执行以及共享代码。
但是与我们熟知掌握的JupyterLab相比，它的表现如何呢？这就是我们今天要讨论的话题啦。
以下几条“情报”足够让你全面了解Colab：
· 与JupyterLab旗鼓相当：做了一些变动
· 应用于数据科学：大部分数据科学库都是预装的
· 归于Google名下：笔记本内容自动保存到GoogleDrive
· 免费获取GPUs（图形处理单元）和TPUs（传感器处理单元）
听起来还不错，但别急着下结论，听听数据怎么说。
创建Notebook
步骤非常简单，只需要登陆colab.research.google.com网站。如果登录Google帐户，会弹出这样的窗口：
最低0.47元/天 解锁文章
扫一扫
8456
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
