两种加速数据资源下载的方法

1、简介

在工作以及科学研究过程中，很多优秀的数据集都来自国外，但有时在有外网权限的条件下，使用终端下载，网络的下行速度往往不尽如人意，甚至只有几十KB，同时过久的下载易导致连接中断甚至下载失败。所以这里提供两个可以加速数据资源下载的方法，分别是有外网条件和没有外网条件的方法，这两种方法只是区别于网络条件，基本思路是一样的，另外所使用的平台也有一些区别。

2、国内网络条件

i、主要工具

1. 平台地址：SageMaker Studio Lab
2. 这是亚马逊提供的一种完全免费、基于浏览器的集成开发环境（IDE），专门设计用于机器学习（ML）和深度学习（DL）项目的开发与实验。它是 Amazon SageMaker 的一个轻量级版本，旨在为数据科学家、机器学习工程师和研究人员提供一个易于使用、零成本的开发环境，以便进行数据分析、模型开发和训练。
3. 进行机器学习或者深度学习的开发是该平台主要的作用，下载数据只是我们取巧的方法。

ii、注册使用

1. 登录平台主页后，点击Request account注册平台账户，虽然是亚马逊的产品，但是这里并不需要信用卡信息也不需要亚马逊账户，只需要一个邮箱就可以搞定，但是推荐使用教育邮箱申请，通过率会更高。
   

2. 通过申请后，登录账号可以选择使用CPU或GPU支持，平时使用选择CPU时间会长一些，GPU资源有限所以使用时间相对较短。
   

3. 点击Start runtime创建一个运行示例，并点击Open project开始，可以选择Terminal打开命令行终端。
   

4. Studio Lab提供15GB的持久化存储，意味着项目和数据集都可以永久保存在云中。不会因为每次创建和关闭实例而被销毁，在终端中，可以使用wget指令，下载任何可以通过该指令下载的内容，包括国外的数据集，实测网络速度在20MB/s左右。
   

5. 下载之后保存在云端的持久化存储中，需要再下载到本地存储。
   

3、国外网络条件

i、主要工具

1. 平台地址：Google colab
2. 这是由 Google 提供的基于云的 Jupyter Notebook 环境，专门为机器学习和数据科学任务设计。它允许用户编写和执行 Python 代码，进行数据分析、机器学习模型的开发与训练，并且完全免费提供 GPU 和 TPU 加速计算资源，特别适合需要大量计算资源的任务。（不过科学上网需要付费）
3. 进行机器学习或者深度学习的开发是该平台主要的作用，下载数据只是我们取巧的方法。谷歌的colab需要结合谷歌的云盘一起使用来实现持久化存储，所以在使用之前需要保证在colab中正确挂载个人的云盘。

ii、注册使用

1. 可以新建一个notebook，也可以加载本地的notebook，然后连接到托管的运行时，也就是申请一个虚拟机实例。
   

2. 连接后，可以选择文件操作的第三个选项装载谷歌云盘，也可以使用指令装载。
   

3. 使用指令挂载，根据弹出的提示登录云盘账号进行挂载

   from google.colab import drive
   drive.mount('/content/drive')  # 根据云盘路径修改挂载路径
   

   

4. 成功后会提示挂载路径，进入到指定目录，使用指令下载数据，需要注意在正常的wget前加！号。

   cd /content/drive/MyDrive
   !wget xxxxxxx.zip  # 下载到/content/drive/MyDrive目录下
   

   

5. 之后通过谷歌云盘再下载到本地，这个时候就取决于本地的网络以及科学上网工具的速度了。

小结

以上是两种可以加速数据下载的方法，但亚马逊和谷歌的平台可以实现更多的价值，大家可以自行了解！！