怎么利用gpu运算（国内免费GPU资源哪里找）

怎么利用gpu运算（国内免费GPU资源哪里找）即使算力卡用完了（目前送得太多，根本用不完），AI Studio 的 CPU 也是很有竞争力的。亲自用脚本测试过，AI Studio 的 CPU 是 Intel(R) Xeon(R) Gold 6148 CPU，可以说在配置上，AI Studio 是很有竞争力的。虽然性能上好很多，但目前还是可以免费薅到，AI Studio 提供了免费申请和运行项目奖励这两种获得算力卡的方式，最后一章我会带领大家去薅。1.1 AI Studio 和飞桨算是后起之秀，包括我在内的很多人还不是很熟悉这一整套方案，在开薅之前，所以先简单介绍一下AI Studio 是百度提供的一个针对 AI 学习者的在线一体化开发实训平台（https://aistudio.baidu.com/?fr=jq）。平台集合了 AI 教程 深度学习样例工程 各领域的经典数据集 云端的运算及存储资源 以及比赛平台和社区。[1] 你可

机器之心发布

作者：吴昕

之前我在知乎介绍了两款练习人工智能算法的应用，都是谷歌的，当时有网友在评论区提到了国内有百度的 AI Studio，于是产生了兴趣，恰好在那评论出现后几个星期，又看到了 AI Studio 最近推出了算力卡计划的新闻，供学习者免费申请使用。贫穷的我决定薅一薅。然而直到现在，网上关于 AI Studio 使用或者测评的文章还声色未开，看来百度的动作还是小了点。于是决定自己薅点羊毛并测评，分享心得给朋友们。

1. AI Studio 和飞桨（PaddlePaddle）

1.1 AI Studio 和飞桨算是后起之秀，包括我在内的很多人还不是很熟悉这一整套方案，在开薅之前，所以先简单介绍一下

AI Studio 是百度提供的一个针对 AI 学习者的在线一体化开发实训平台（https://aistudio.baidu.com/?fr=jq）。平台集合了 AI 教程 深度学习样例工程 各领域的经典数据集 云端的运算及存储资源 以及比赛平台和社区。[1] 你可以把 AI Studio 看成国产版的 Kaggle。和 Kaggle 类似，AI Studio 也提供了 GPU 支持，但百度 AI Studio 有一个很明显的优势：它的 GPU 型号是 Tesla V100。Kaggle 的是 Tesla K80-下表对比两款单精度浮点运算性能，就能看出 v100 的优势了。

明显在单精度浮点运算上，AI Studio 提供的运行环境在计算性能上还是很有优势的。理论上训练速度可以提高近 3 倍左右。

虽然性能上好很多，但目前还是可以免费薅到，AI Studio 提供了免费申请和运行项目奖励这两种获得算力卡的方式，最后一章我会带领大家去薅。

即使算力卡用完了（目前送得太多，根本用不完），AI Studio 的 CPU 也是很有竞争力的。亲自用脚本测试过，AI Studio 的 CPU 是 Intel(R) Xeon(R) Gold 6148 CPU，可以说在配置上，AI Studio 是很有竞争力的。

1.2 飞桨

根据官网介绍，飞桨是百度推出的「源于产业实践的开源深度学习平台」，致力于让深度学习技术的创新与应用更简单。

Paddle 直译就是桨 其实是 Parallel Distributed Deep LEarning 的缩写。和 TensorFlow，Pytorch 等框架一样，飞桨给开发者提供了很多常用的模型，也可以直接在包里直接加载常用的数据库，对于学习者来说，还是很方便的。

飞桨（PaddlePaddle）还是有点国产的意思，去 Github 可以搜到 PaddlePaddle 的项目，除了英文文档，还提供了中文文档，有时候还是挺方便的。虽然现在 star 比起 TensorFlow 的还是差不少，但是感觉进展得如火如荼。

1.3 AI Studio 与飞桨的生态

下图是飞桨的全景图：

飞桨生态其实设计得很好，可能 Tensorflow 先发得太早吧，感觉飞桨追赶得很吃力。但从百度最近推广飞桨的力度来看，我猜飞桨很有可能两三年左右进入主流深度学习框架之列。

2. AI Studio 实例测评：以数字识别项目为例

2.1 AI Studio GPU 和 CPU 性能对比

为了测试 AI Studio 的性能，我用最经典的 MNIST 数据集，在 LeNet 5 模型上进行运损，对比在 GPU 和 CPU 下在 AI Studio 的的性能，飞桨用的 MNIST 数据集是 60000 个训练数据，10000 个测试数据。

项目地址在此：

https://aiStudio.baidu.com/aiStudio/projectdetail/45293

以下是 AI Studio 的 CPU 和 GPU 测试性能对比

GPU 提升效果为 11 倍，因为训练过程有验证测试，而且 CPU 配置也太高了，所以并未达到理论上的 47x 的加速，但这速度还不错，况且 AI Studio 本来 CPU 是至强金牌处理器，就很高配了，所以理论上 47x 的加速可能还得打个折。

2.2 AI Studio 和 Kaggle 对比测试

测试环境：

1. Kaggle Kernel

测试 kernel https://www.kaggle.com/orange90/mnist-with-lenet-5-test-run-time.

Batch_size=50 训练 5000 轮 使用框架 TensorFlow CNN 架构是 LeNet-5

2. AI Studio

测试项目 https://aiStudio.baidu.com/aiStudio/projectdetail/45293

Batch_size=64，训练 5000 轮 使用框架飞桨 CNN 架构是 LeNet-5

AI Studio 的测试结果在 2.1 展示了，就不再赘述了，以下是 Kaggle 的性能测试对比