随身GPU服务器:Kaggle中kernels的快速入门指南

随身GPU服务器:Kaggle中kernels的快速入门指南 前言

对于很多入门深度学习领域的小伙伴来说啊,拥有一款合适的显卡是必要的,只有拥有好的装备才能更好更快地进行神经网络的训练、调试网络结构、改善我们的代码,进而更快地产出结果。

也就是说,显卡可以代表生产力,显卡越好,生产力越强。程序训练的速度越快,我们也就可以更方便地看到结果从而进行下一步。大家可以回顾一下我在之前发布的几篇关于显卡的文章:

更新深度学习装备:双(1080Ti)显卡装机实录

新显卡出世,我们来谈谈与深度学习有关的显卡架构和相关技术

给你一份配置清单:机器学习、深度学习电脑显卡配置指南

戴尔成就微塔式小机箱装华硕1060-6G大显卡

但是显卡这玩意儿的价格可是并不美好啊,假如没有实验室的经费和老师的“慷慨资助”,我们一般是消费不起高端显卡的。但是我们笔记本中的965M、1050TI等入门级显卡对于稍微繁重点的深度学习任务来说,根本带不动呀,就问你怕不怕。

《随身GPU服务器:Kaggle中kernels的快速入门指南》

嘿嘿,当然不怕,就算我们暂时没有可以派上用场的显卡(1080TI、2080TI),我们也可以撸一些大公司的羊毛嘛,毕竟是免费的,不用白不用,这里我就推荐一个比较好用的免费的网上GPU服务器:Kaggle下的kernels

拥有GPU的kernels

那么什么是kernels

这里的kernels说白了就类似于一个可以在浏览器上间接(本质上是在Kaggle的GPU服务器上)运行的一个环境,这个环境里包含了我们基本需要的各种软件,当然我们也可以自己去安装一些软件,然后去运行我们的训练程序。类似于Google Colab,但是相比Google Colab也有个巨大的优势,就是在国内直接连接。

这个kernels因为是一个虚拟环境,和我们在其他平台上直接使用的GPU云服务器还有点区别,不用我们去耗费精力搭建环境,我们直接使用即可。

那什么又是是Kaggle呢,Kaggle只要大家稍微Google一下就可以知道,Kaggle是一个专门致力于机器学习方面比赛的平台,一些大公司将一些机器学习任务通过Kaggle发布到网上,大家可以在Kaggle上进行比赛,而Kaggle为了让那些没有服务器的新手更好地参加比赛,提供了免费的GPU让大家用,可以说是很实在了。

好了,说了这么多,让我们开始使用吧!

登录创建kernels

首先我们进入Kaggle的官网:https://www.kaggle.com/ 。

创建自己的Kaggle账户,然后点击网站最上方的Kernels即可创建kernels。

《随身GPU服务器:Kaggle中kernels的快速入门指南》

这时会出现两个选项,我们选择右边的Notebook:

《随身GPU服务器:Kaggle中kernels的快速入门指南》

这样我们就进入了kernels界面:

《随身GPU服务器:Kaggle中kernels的快速入门指南》

左面是运行代码的区域,使用方式类似于Jupyter Notebook,而在右方我们可以看到这里开启了GPU,网络的没有连接。对于深度学习任务,我们一般开启GPU的支持,而网络连接当我们需要下一些额外的软件包的时候开启即可。

有一点需要注意,没有开启GPU时可以使用的总内存是17.2GB,开启后就变为14GB,磁盘容量是一定的,但是这个磁盘是交换数据时需要的,我们的数据集并不需要放到这个Disk里头。

开启GPU前:

《随身GPU服务器:Kaggle中kernels的快速入门指南》

开启GPU后:

《随身GPU服务器:Kaggle中kernels的快速入门指南》

另外,更多的帮助信息可以到Docs中查看,高级功能和API也可以直接点击查看。

配置

关于配置信息,我们只要在NoteBook中输入nvidia-smi即可看到,注意在前面加!号才可以执行:

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zwpysz.html