天池和Kaggle：Notebook使用对比

天池竞赛平台作为阿里云旗下的重要竞赛社区，每年都会举办上百场数据竞赛。数据竞赛不仅可以汇集参赛选手，同时也可以沉淀具体的学习内容。

拿Kaggle举例，其魅力之处就在于Kaggle Notebook有很多丰富的学习资料，可以供学习者学习和使用。

从2019年开始天池逐步推出DSW (Data Science Workshop)运行环境，可供选手可以在云平台完成编码和学习。据笔者了解，天池DSW是国内首个支持GPU和CPU的学习环境，非常值得使用的。

本文从在线学习环境的角度（即在线Notebook）将天池与Kaggle进行对比：

• Notebook与平台生态

• Notebook使用体验对比

Notebook与平台生态

首先我们从Notebook与竞赛平台生态进行分析，在天池和Kaggle中在线Nobteook都是非常重要的一个环节。开源在竞赛中随处可见，从竞赛参赛方式、赛题数据集到赛题在线Notebook，都是各种的众包参与形式，且内容都可以多人一起贡献。

在上述元素中，Notebook是特别重要的一个环节。

• 天池Notebook（DSW）：https://tianchi.aliyun.com/notebook-ai/

• Kaggle Notebook：https://www.kaggle.com/notebooks

Notebook作为在线运行环境：

• 提供一个配置好环境的运行的环境，所有参赛选手免去在本地配置环境的环节；

• 可以作为代码和思路的分享，比如比赛分析过程和解决方案的展示；

• 可以作为比赛比赛提交的入口，如比赛最终提交可以从Notebook提交；

• 可以提供系列的学习资源和实践教材，可以作为在线教材；

Notebook作为在线展示方式：

• 具备有版本存储的功能，可以存储历史运行的代码；

• 具备有渲染Markdown、图片和公式的功能，展示方式更加灵活；

• 具备有与数据集和比赛交互的过程；

Notebook使用体验

Kaggle Notebook界面

https://www.kaggle.com/code

天池DSW界面

https://dsw-dev.data.aliyun.com/

Notebook对比

	天池DSW	Kaggle Notebook
界面	Juypter Lab	自定义网页
使用时间	总共使用时间不限制 CPU和GPU单次链接8小时 每次链接可以运行多个Notebook	CPU时间不限，GPU每周35小时 可以同时运行多个CPU Notebook 只能运行一个GPU Notebook
文件目录	工作目录与文件目录混合	工作目录与数据文件分开
文件系统	多个Notebook共享	单个Notebook独占
Markdown目录	支持	不支持
数据集	支持挂载数据集	支持挂载数据集
内存	4G，多个Notebook共享	16G，单个Notebook独占
显存	16G，多个Notebook共享	11G，单个一个Notebook独占
联网	CPU模型可以联网 GPU模型不可以联网	CPU和GPU都可以联网
稳定性	CPU较为稳定 GPU稳定性一般	较为稳定
Shell	支持	不支持
上传文件	支持	不支持，可在Dataset页面上传
发布	支持发布到天池论坛	支持发布到Kaggle论坛
版本	支持版本管理，但不完善	支持版本管理，比较完善
Copy & Fork	支持	支持
评论	支持	支持

从上表对比可知，天池DSW与Kaggle Notebook环境虽然整体都为在线Notebook，但在使用上存在一定的差异性：

• 资源分配：天池DSW环境可以同时运行多个Notebook，且多个Notebook资源共享；Kaggle Notebook每个资源独立，且文件各自不共享；

• 使用方式：天池DSW环境与Juypter Lab比较类似，而Kaggle Notebook是固定好输入情况下的代码运行环境；

从使用角度天池DSW比较灵活强大，而Kaggle Notebook每个功能比较单一。所以如果大家在国内，建议使用天池DSW。

往期精彩回顾



适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
本站qq群851320808，加入微信群请扫码：