在线jupyter平台推荐


前言
对深度学习来说,训练是一件非常耗时的事情,我们通常是使用GPU来进行此类计算。
然而考虑到个人笔记本的运算性能有限,以及配置本地GPU服务器成本太大,租赁GPU云服务器就成了一个很好的选择。
在进行大型神经网络的计算时,笔者建议使用BAT等公司提供的云计算平台。而在其他时候,读者若是只是练习,租赁云服务器则显得有点昂贵。好在,如今有很多免费的GPU云计算平台。
本教程,我们将介绍几个免费的云计算平台。此类平台使用类似jupyter的交互界面,无需担心环境配置问题,打开即可用。(过长时间不用会清空用户的一切数据)
另外,在下一篇教程中,我们将以付费的阿里云GPU云服务器为例,介绍如何创建服务器、配置环境、连接远程服务器等等。
(本地使用jupyter的环境配置可见环境安装)
1. kaggle
kaggle是一个AI比赛平台,该平台有一个在线版的jupyter运行环境,提供免费的K80 GPU。

登录后,在其kernel界面,选择“new kernel”,点击右侧的“notebook”,即可创建一个jupyter环境。


创建成功后,界面如下。我们可以在该界面看到CPU使用率、内存使用情况、磁盘使用情况等等。

使用GPU平台请将右下角的 “GPU off”切换成“GPU on”。

之后当我们运行tensorflow、pytorch的训练代码的时候,就会默认跑在gpu上了。
kaggle平台提供6个小时的GPU使用时间,超过6小时,连接会自动关闭,数据会被清空。想要再次使用,重新建立连接即可。对于大部分使用GPU平台练手的入门者来说,6小时绰绰有序。
2. colab
colab是谷歌提供的免费在线云计算平台,提供K80 GPU。
使用该平台需要翻墙。
在界面上方菜单栏中选择“更改运行时类型”

更改运行时类型
硬件加速器选择“GPU”即可。

colab平台无论是从稳定性还是各种各样的辅助功能都要好于kaggle的云计算平台。推荐能够翻墙的读者尝试使用colab。
3. 其他平台
- 阿里天池的在线jupyter。不支持GPU。
- 微软的Azure Notebook。
- Cocalc。
2 thoughts on “在线jupyter平台推荐”