纯福利 ｜ 手把手教你如何白嫖免费的GPU资源（一）

最新推荐文章于 2024-05-20 19:08:38 发布
最新推荐文章于 2024-05-20 19:08:38 发布
阅读量775 收藏 16
点赞数 19
分类专栏： AI 文章标签： 人工智能 gpu算力 ai
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wjsz2070/article/details/137897765
版权

2024是AI元年，不管是公司还是个人，都在卷AI，然而AI入门的门槛对于普通人来说还是太高了，很多新人在刚接触AI的时候，不知道从哪获取免费的GPU资源，白白被人割了韭菜（我也被割过），最离谱的是有个哥们在群里说，国外云主机一个月需要2000美刀。
在这里插入图片描述

在踩了不少坑后，我决定整理一个详细的攻略，手把手教你如何白嫖免费的GPU资源。
在这里插入图片描述

前提

  • 需要科学上网
  • 拥有一个Google账号

Google Colab

产品介绍

在这里插入图片描述

Google Colab 由互联网慈善家 Google 提供，是 Google Research 团队开发的产品，任何人都可以通过浏览器编写和执行任意 Python 代码，尤其适合机器学习、数据分析、教育目的。Colab 是一种托管式 Jupyter 笔记本服务，用户无需设置，就可直接使用，还能免费使用 GPU/TPU计算资源。从“文件”菜单中选择“上传笔记本”即可将现有的 Jupyter/IPython 笔记本导入，Colab 笔记本存储在 Google 云端硬盘上，也可从 GitHub 加载，更多详情请看文档：colaboratory.

具体流程

安装 Google Colab

登陆 Google 账号，访问 Google Drive
在这里插入图片描述

点击“新建 - 更多 - 关联更多应用”
在这里插入图片描述

搜索“Colaboratory”，然后点“Colaboratory”的图标，进去安装应用（我这里已经安装过了）
在这里插入图片描述

关联 Google 云盘

安装完成后，会弹出一个小窗口，让关联 Google 云端硬盘（简称：云盘），授权关联。因为 Google Colab 分配的实例都是临时资源，实例一旦回收，数据就丢失了，所以这里一定要关联自己的 Google 云盘，需要保留的数据存云盘，这样后续使用的时候，可以直接从云盘读数据，相对来说会比较方便。Google 云盘默认给普通用户分配15G的免费存储空间，对于小白来说完全够用。如果你需要更多的存储，可以开个基础版的会员，首月0.49💲，之后1.99💲。
在这里插入图片描述

新建 Google Colab 应用

连接免费实例

Google Colab 安装完成后，点击“新建 - 更多 - Google Colaboratory”，进入 Colab 页面

  • 左上角的文件名可以修改
  • 红框里面可以编写代码
  • 右上角默认连接的计算引擎是CPU
  • 分配的免费实例资源配置：2核cpu、12G内存、108G存储
    在这里插入图片描述
切换到GPU实例

点击“修改 - 笔记本设置”
在这里插入图片描述

修改笔记本设置
在这里插入图片描述

  • 运行时类型：支持 Python3 和 R，看你使用哪种编程语言了
  • 硬件加速器：默认CPU，普通用户可以选 T4 GPU 和 TPU，付费用户除了免费的硬件加速器，还可以选 A100 GPU、 V100 GPU 和 L4 GPU，咱们这里主打一个白嫖，不过多介绍，有兴趣的可以点 链接 了解

下面两个复选框看自己情况勾选，我们这里以连接 T4 GPU 为例，确认选择以后，点击“保存”，等待自动连接

连接上 GPU 以后，在右上角这里，会有 T4 的标签
在这里插入图片描述

那么如何查看 GPU 的显存信息呢？可以执行 !nvidia-smi 指令查看，我这里大概是16G
在这里插入图片描述

流程到此基本就结束了，白嫖了一个 2核cpu、12G内存、78G存储、16G显存的GPU实例，剩下的就是在 Google Colab 应用上运行你的代码了。可以在实例上跑模型，也可以安装运行 Stable Diffusion（后续文章会介绍，敬请关注）

总结

本文详细的介绍了如何白嫖 Google Colab 提供的免费GPU资源，AI新手/小白刚入门的时候，可以先试用，等熟悉一段时间再考虑租用云平台实例。这是白嫖免费的GPU资源系列文章的第一篇，后面我还会持续更新，敬请期待！

我是无界生长，如果你觉得我分享的内容对你有帮助，麻烦点个关注，带你一起玩转AI！

AI学习资料在微信公众号：无界生长，个人微信：wjsz2070
在这里插入图片描述

无界生长
关注
  • 19
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
从0到1｜手把手教你建立用户画像.pdf
04-07
1.定性用户画像 通过访谈、观察等无法量化的信息来分析归纳用户类型 2.经定量检验的定性用户画像 建立定性用户画像类型后通过问卷、测试等量化数据验证定性结论 3....学习和利用身边的资源 , 从而把握机会 , 走向未来。
纯福利｜手把手教你如何白嫖免费的GPU资源（二）
无界生长的博客
05-14 306
本文详细的介绍了如何获得ModelScope给新注册用户提供的“长期免费的CPU实例资源 + 100小时GPU实例资源”。如果看完还没学会的话，可以私信我。学会了的话，欢迎转发分享给你的朋友们。
超硬核|手把手教你制作一个示波器
果果小师弟的博客
06-30 1万+
摘要：此版示波器是B站老刘示波器Pro版本，在原版的基础上，扩展了测量负电压的功能，更新了UI设计，屏幕升级为1.3寸OLED屏。 原理图 3D效果图 实物图 视频演示 视频 系统架构 Mini示波器采用了一套成本低廉但高效的硬件，配合层次化的软件框架，实现对常规低频信号波形的采集、分析、显示。 硬件部分的主要工作有：电源管理(5V、2.5V、-5V)；对信号的衰减、限幅、偏置。最后将处理好的电压信号送入MCU的ADC外设，进行数据采集。由于ADC外设只能采集正电压，因此我们通过增加偏置电压的方式.
手把手教你白嫖一个服务器并搭建自己的远程Notebook
早起Python
06-05 4037
大家好，关于学Python为什么需要一台自己的服务器来跑程序在之前我们就讲过，对于我来说大多是就是用来 跑一些定时的爬虫程序 在任意设备上调试/展示代码 本文就手把手带大家白嫖一个服务器并搭建属于自己的远程Jupyter Notebook，主要分为下面三个步骤： 白嫖一个服务器 配置anaconda 配置远程Jupyter Notebook 看上去可能挺难，过程也确实有点复杂，但只要一步一步按照我给的命令去做就一定能成功！ 白嫖服务器 本节的任务就.
手把手教你学习汇编语言——从入门到起飞
热门推荐
日常发呆
05-11 13万+
关于这篇博客，笔者会尽量用最简单的方式教会大家汇编语言以便应付各种考试 有什么不足的忘大佬评论或私信指出。 汇编环境安装 汇编运行调试 汇编指令 希望大家看完这些找一些样例练习一下会学的更好，这里有一些练习题希望能帮助到大家 汇编语言编程题总结 汇编语言环境安装 这里用的是Masm，相比较纯Dosbox会简单很多的 汇编语言和CodeBlock安装包 密码:dqs9 下载以后打开运行 下一步 安装 完成即可 安装完成后打开，进来是默认的程序框 汇编语言运行的话，一定要保存文件到本地才可以.
干货 | 手把手教你搭建一套OpenStack云平台
关注微信公众号【开源Linux】，后台回复『10T』，领取10T学习资源大放送，涵盖Linux、虚拟化、容器、云计算、网络、Python、Go等书籍和视频
04-16 3万+
1 前言 今天我们为一位朋友搭建一套OpenStack云平台。 我们使用Kolla部署stein版本的OpenStack云平台。 kolla是用于自动化部署OpenStack的一个项目，它基于docker和ansible来实现；docker主要负责镜像制作、容器管理。而ansible主要负责环境的部署和管理。 2 实验环境介绍 由于我个人笔记本性能有限，因此本次实验采用all-in-one模...
C# OpenCV | 手把手教你用传统方法实现骰子识别
Color Space的博客
01-27 4172
本文给大家分享一个用C# OpenCV传统方法实现骰子识别的小案例。
PySide入门实战之一 | 手把手教你安装PySide6及环境配置
w94ghz的博客
08-18 1万+
猿如意｜手把手教你下载、安装和配置PyCharm社区版
神奇代码在哪里
11-30 7885
本文介绍如何使用猿如意下载、安装PyCharm社区版，并做设置中文、搜索下载第三方包等配置。
小米电视广告_教程福利 | 手把手教你去除小米电视/小米盒子的内置广告！
weixin_39967120的博客
12-18 3382
视频：当马东给雷军看他自己的鬼畜是什么反应？(⊙_⊙)精 品 资 源 分 享微信公众号：手机软件资源局NO.19103 - 去除小米盒子电视广告编 辑：文 娜小米作为新国货的代表，这些年给很多人的生活带来了很大的变化，当年在同配置手机普遍定价三四千的时候，小米手机1999的横空出世，重新定义和改写了智能手机市场的规则，从一代神机小米2S开始，文娜也成为了一名米粉(Migirl)，这些年...
手把手教你创造第一个自己的GPTs应用.pdf
11-13
手把手教你创造第一个自己的GPTs应用.pdf
手把手教你用excel做一套电脑派位摇号系统.pdf
11-19
手把手教你用excel做一套电脑派位摇号系统.pdf
手把手教你纯硬件STC单片机自动
01-19
为此笔者研发了一种完全用硬件实现单片机自动冷启动的电路，实现一键程序，明显的降低了硬件成本，减小了操作难度，并且不占用单片机的串口。1.基本原理进行STC时，需要使用提供的STC-ISP软件；使用国产的ch340g芯片...
手把手教你写一个微信小程序
01-27
现在微信小程序越来越火，用户不需下载安装app即可体验产品，产品推广和运营也比较方便，这些优点使得越来越多的企业选择开发微信小程序，所以会写小程序也成为前端比较重要的技能，今天就来教大家怎么入门微信小...
RANSAC算法概述
最新发布
点云侠的博客
05-20 587
RANSAC算法概述
智能决策引擎架构设计
猫七姑娘的小博客
05-15 1444
智能决策引擎系统是在大数据支撑下，根据行业专家经验制定规则策略、以及机器学习/深度学习/AI领域建立的模型运算，对当前的业务进行全面的评估，并给出决策结果的一套系统。一套商业决策引擎系统动辄百万而且需要不断加钱定制，大多数企业最终仍会走上自研道路，市场上有些开源规则引擎项目可参考，比较出名的开源规则引擎有drools、urule，都是基于Rete算法，都是基于java代码实现，一些企业会进行二次开发落地生产。而这类引擎功能强大但也比较“笨重”，易用性以及定制性并不够好，对其他语言栈二次开发困难。
2024第二届全国人工智能应用场景创新挑战赛
audyxiao001的博客
05-14 788
本文从竞赛模式、参赛组别和条件、参赛注意事项以及赛程设置四个角度介绍了第二届全国人工智能应用场景创新挑战赛，并给出大赛官网，以便读者了解更多详细信息。
使用多实例学习进行乳腺癌组织病理学图像分类和定位
qq_47896523的博客
05-16 1104
乳腺癌是女性最主要的死亡原因，病理学家根据病理切片中观察到的各种视觉特征（例如细胞核的形态特征、细胞核的微观和宏观结构等）做出决定。计算机辅助诊断（CAD）系统可以帮助病理学家自动做出决策。卷积神经网络是最广泛使用的深度学习框架，用于学习图像类别之间的复杂判别特征。多年来，VGG16 [3] 和 ResNet18 [4] 等各种 CNN 架构在海量 ImageNet 数据集上产生了出色的结果。CNN 被用于医学图像以产生最先进的结果。为图像中存在的所有类别提供了定位信息。
apriori算法_原理 + 代码｜手把手教你用Python实现智能推荐算法
06-11
好的，我会回答你的问题。关于 apriori 算法的原理，它是一种基于频繁项集的挖掘算法，用于发现数据中的频繁项集。频繁项集是指在数据集中经常出现在一起的物品的集合，例如在购物数据中，经常一起购买的商品就是一个频繁项集。 apriori 算法的核心思想是利用频繁项集的性质，从而减少搜索空间。具体来说，apriori 算法采用了一种称为“逐层搜索”的方法，即首先找到所有的单个物品作为频繁项集，然后基于单个物品，逐步扩展物品数量，直到无法扩展为止。在扩展物品的过程中，apriori 算法利用了一个重要的性质：如果一个项集不是频繁的，那么它的所有超集也不是频繁的。这个性质可以帮助我们剪枝，减少搜索空间。 关于 apriori 算法的代码实现，以下是一个简单的 Python 实现，供你参考： ```python def load_dataset(): return [[1,3,4], [2,3,5], [1,2,3,5], [2,5]] def create_c1(dataset): c1 = [] for transaction in dataset: for item in transaction: if not [item] in c1: c1.append([item]) c1.sort() return list(map(frozenset, c1)) def scan_dataset(dataset, candidates, min_support): support_counts = {} for transaction in dataset: for candidate in candidates: if candidate.issubset(transaction): support_counts[candidate] = support_counts.get(candidate, 0) + 1 num_items = float(len(dataset)) frequent_items = [] support_data = {} for candidate in support_counts: support = support_counts[candidate] / num_items if support >= min_support: frequent_items.append(candidate) support_data[candidate] = support return frequent_items, support_data def apriori_gen(frequent_items, k): next_candidates = [] num_items = len(frequent_items) for i in range(num_items): for j in range(i+1, num_items): itemset1 = list(frequent_items[i])[:k-2] itemset2 = list(frequent_items[j])[:k-2] itemset1.sort() itemset2.sort() if itemset1 == itemset2: next_candidates.append(frequent_items[i] | frequent_items[j]) return next_candidates def apriori(dataset, min_support=0.5): C1 = create_c1(dataset) frequent_items, support_data = scan_dataset(dataset, C1, min_support) all_frequent_items = [frequent_items] k = 2 while len(all_frequent_items[k-2]) > 0: next_candidates = apriori_gen(all_frequent_items[k-2], k) next_frequent_items, next_support_data = scan_dataset(dataset, next_candidates, min_support) support_data.update(next_support_data) all_frequent_items.append(next_frequent_items) k += 1 return all_frequent_items, support_data ``` 这段代码实现了 apriori 算法的主要逻辑，包括数据集加载、候选项集生成、频繁项集挖掘等步骤。你可以通过调用 apriori 函数来运行算法，并设置最小支持度等参数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值