很多人初入機器學習的坑時，在使用計算資源時，多數人有兩種選擇：

第一種選擇，配一臺帶1080Ti顯卡的機器。好處就是偶爾可以打遊戲（不知道這算不算好處）。壞處就是萬一電腦喫灰了，就是一筆不小的沉沒成本。

第二種選擇，去AWS等雲平臺開個實例，按使用時間收費，不用了也不擔心沉沒成本。

前面兩種選擇都是燒錢的，有沒有適合學生或者愛好者學慣用的免費平臺呢？

當然有，下面帶大家薅兩個資本主義GPU羊毛，不花錢也能訓練自己的技能。他們都是谷歌背景的(一個是谷歌收購的，一個是谷歌自己的）。谷歌真是業界良心。

使用這些平臺的好處：

【1】當然是不花錢啦

【2】不用擔心電腦發熱或者卡死，一切計算都不在本地

【3】有很多的現成數據源，不用下載上傳

他們都提供了K80 GPU，雖然比現在主流的GPU遜色不少，但是比起純CPU跑，還是快了12.5倍的 [1]

唯一需要注意的是，這些平臺對於國內用戶來說，需要科學上網。但相信對本文的讀者都不是問題。

1. Kaggle Kernel

Kaggle是什麼就不用我介紹了吧，但是有時挺驚訝的是，有人用自己機器跑那一點代碼，然後結果再傳回kaggle去評估。何必呢？kaggle本身就有提供一個叫kernel的選項。當然我相信很多人都知道kernel的好處了，但為了方便新手讀者學習，我還是再介紹一下吧：

隨便點進一個比賽，例如最著名的titanic

然後點Kernel-> New Kernel:

然後出現兩個選項， 是普通代碼模式還是Jupyter Notebook 模式，我個人喜歡Jupyter Notebook 模式，點進去，創建了一個新的notebook

然後資本主義GPU就出來給我們薅了，看右邊菜單欄：

雖然是從titanic比賽創建的kernel，但右邊菜單欄允許添加自己的數據，也允許你無條件啟用GPU。

但你的運行結果怎麼導出呢？

很簡單，把你的要導出的結果存成DataFrame（df）,然後df.to_csv(YourOutPut.csv)，再點擊最上方的commit

提交完成了，點擊Open Version,然後跳到筆記本預覽模式頁面最左邊有Output欄，點擊一下，就可以看到你的結果並可以下載。

2. Google Colaboratory

Colaboratory也提供了 Tesla K80 GPU。雖然比起1080Ti，性能遜色太多，但好歹比在本地用GPU跑好多了.

要使用Google Colaboratory，首先進入你的Google Drive

如上圖，點擊Connect more apps,搜索colab

點擊Connect，然後再回去剛才的菜單看，

Colaboratory已經可以用了，點擊它，會創建一個Jupyter Notebook.那麼要怎麼利用GPU呢？如圖 修改(Edit)->筆記本設置(Notebook Setting)：

你甚至還可以用TPU呢

如果不太熟悉的，可以點擊這個鏈接https://colab.research.google.com/，是個官方Notebook教程，有詳細的講解。

小結：

本文介紹了兩個免費的GPU羊毛，但他們都需要科學上網。

若讀者知道有不需要科學上網的免費GPU計算資源，請在評論區告訴大家。謝謝

Reference:

[1] Running Kaggle Kernels with a GPU?

www.kaggle.com

[2]https://colab.research.google.com/

推薦閱讀：