查看原文
其他

薅资本主义羊毛新姿势,英伟达K80免费用

2018-05-15

作者 分享干货


作者 | 阿司匹林

出品 | 人工智能头条(公众号ID:AI_Thinker)


在到处都是开源工具和学习资料的今天,深度学习的门槛已经大大降低。然而,学习的门槛降低并不意味着学习的成本降低了,比如说动则上万的 GPU。


不管是买 GPU,还是买云服务,对很多人来说都是一笔不小的花销。今天,我们就教大家一个薅资本主义羊毛的新方法:通过 Kaggle Kernels 免费使用英伟达 GPU!


首先,我们来介绍下什么是 Kaggle Kernels。


Kaggle 是一个为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台,目前已经被  Google 收购。


而 Kaggle Kernels 是一个可以让你在浏览器中运行 Jupyter notebook 的免费平台。也就是说,只要有网络,你就不需要再设置本地环境,直接在浏览器里使用 Jupyter notebook 即可。


为什么说是免费?因为 Kaggle Kernels 会通过云端提供免费的计算资源。下图是 Google 去年底发布的 Kaggle Kernels 免费计算资源:4 CPU + 16 GB RAM + 1 GB Disk Space。美中不足的是,没有 GPU。





2011 年,当时还在 Google 吴恩达用 12 片 GPU 代替 2000 片 CPU,来训练深度神经网络,最后大获成功。从此,GPU 几乎成了深度学习的标配。


在经历了半年的等待之后,Kaggle Kernels 终于推出了用户期待已久的福利:NVIDIA K80 GPU ( 12GB VRAM 版本)。


根据 Kaggle 的测试,在使用 GPU 之后,深度学习模型的训练速度可以提升 12.5 倍。想想就很激动,毕竟现在科研竞争那么激烈,大家都在跟时间赛跑。


目前,Kaggle Kernels 提供两种实例:GPU + 4 CPU + 16 GB RAM 或者 GPU + 2 CPU + 6 GB RAM。需要注意的是,数据集的大小被限制在 20 GB 以内,磁盘存储空间则为 1 GB。据悉,每种实例在超时前最多可以运行 6 个小时。


看到这里,是不是已经按捺不住了?下面的教程会告诉你薅羊毛的具体姿势,请查收:

https://www.kaggle.com/dansbecker/running-kaggle-kernels-with-a-gpu/code



AI科技大本营公开课

扫描海报二维码立刻报名,入群交流请添加小助手微信 csdnai


点击 | 阅读原文 | 免费学习

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存