Cloud Hosted Notebook Showdown（云托管笔记本）

今天看见一片有意思的文章，云托管笔记本对决——原文：SageMaker Studio Lab vs Google Colab

我们中的许多人一直在享受Google Colab与我们在 Google 免费云 GPU 计算上运行的 Python 代码共享Jupyter Notebooks 。最近，AWS 发布了SageMaker Studio Lab，它是 Google Colab 的竞争对手服务。

什么是云托管笔记本？

       Cloud Hosted Notebook Showdown是数据科学和机器学习领域的一个新概念。为了启动 Jupyter Notebook，您过去必须jupyter在自己的本地计算机上安装并运行jupyter notebook以在本地浏览器中启动 Notebook。

本地笔记本的问题

本地笔记本受到两个限制。

1)本地笔记本不易共享。Jupyter Notebooks 保存为一个巨大的文件，难以版本化和提交，因此很难通过普通的代码存储库共享它们。随着时间的推移，这已经变得更好了，但仍然有点糟糕。

2)大多数机器学习应用程序需要通过 GPU 进行硬件加速，而您的本地机器可能没有 GPU。要解决这个问题，您可以启动一个云实例，在那里重建 Jupyter，并找到一种方法将您的 Jupyter 服务公开到您拥有 Web 浏览器的地方。

Enter Hosted Notebooks

为了解决本地笔记本的问题，Google Cloud 发布了 Colab（谷歌免费GPU,在线Jupyter notebook深度学习环境，可在网上自行搜索使用），这是一款在其云实例上运行的笔记本，您可以在其中选择 CPU 和 GPU 运行。

而就在最近，AWS 发布了他们的竞争对手 Studio Lab。

Colab vs Studio Lab

硬件

获胜者: Studio Lab
使用托管笔记本时，我们应该关心的第一件事是我们免费获得的硬件。如果你正在训练机器学习算法，你的实验和开发将受到你正在使用的硬件的瓶颈。

在 Studio Lab 免费套餐中，您将获得 Tesla T4。

在 Google colab 免费套餐中，您将获得 Tesla P100 或 Tesla K80。

Studio Lab在此更胜一筹。

可共享性

获胜者: Google Colab
云托管笔记本相对于本地笔记本的主要改进之一是您可以轻松地与他人共享您的代码。（就好像和共享文档一样）
Google Colab在可共享性类别中表现出色。要共享笔记本，您可以使用与 Google 云端硬盘相同的共享和身份验证。

要在 Studio Lab 中共享代码，您需要将代码提交到存储库并在打开笔记本时克隆它。

环境

获胜者：Studio Lab
当你启动一个云笔记本时，下面的服务器会附带一堆软件安装，如果你启动了一个新的实例，你需要从头开始配置这些软件。

Google Colab 和 Studio Lab 都安装了 NVIDIA 驱动程序和相关库。这可以为您节省大量时间，而且您可能不会想定制这种东西。

Google Colab 附带了许多安装到您的 Python 库中的附加机器学习库，例如pytorch和tensorflow. 您必须在 Studio Lab 中自行安装这些。

Studio Lab 的一个巨大优势是，它可以保存项目的机器映像，并为您加速，因此您拥有稳定的安装基础。
我个人发现预装的 Colab 环境令人沮丧，Colab 环境没有版本控制，可以被随意更改（可能会发生冲突）。但是，如果您快速开启一些项目并且只是想开始，这可能会很好。

UI

获胜者：Studio Lab
当您在 IDE 中编程时，UI 一开始影响很小，但随着时间的推移，您会开始了解 IDE 的细微差别和全部实用程序。


以我的经验，Studio Lab 更加流畅和响应迅速。当您与 UI 元素交互并在下面启动一个实例时，Google Colab 会感觉有些延迟。

资源

获胜者：Studio Lab
Studio Labs 发布时包含大量机器学习资源，在此，外网，较卡

何时使用 SageMaker Studio Lab 或 Google Colab？

如果您正在处理一个想要快速开始并轻松分享您的工作的项目，您应该考虑使用Google Colab。

如果您在数据科学或机器学习方面开始一个较长的项目，您应该考虑使用Studio Lab。您将使用更好的硬件并在您可以定制的编程环境中工作。