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）下表总结在不同环境下的测试效果及成本2.4. 测试总结直接把 2.2 里用到的 kaggle 的内核导进去了，测试结果如下：性能上比前两者都差一点。顺便一提，这个测试做得我脑壳痛，前期开 instance，配置环境的就花了一个多小时。对于 AWS 新手来说，可能折腾一天，薅了十几美刀，还是没能把代码跑通。真的强烈不推荐在 AWS 来练习自己 deep learning 技能。

GPU 相比 CPU 来说提升效果为 8 倍，因为训练过程有验证测试，所以并未达到理论上的 12.5x 的加速。

由于架构的超参不一样，直接对比运行时间不太严谨，但从 GPU 提升速度的倍数上来说，AI Studio 略胜一筹。

2.3 AWS

也在 AWS 开了个 instance 来测试，选的是这一款配置里的 p2.xlarge

直接把 2.2 里用到的 kaggle 的内核导进去了，测试结果如下：

性能上比前两者都差一点。

顺便一提，这个测试做得我脑壳痛，前期开 instance，配置环境的就花了一个多小时。对于 AWS 新手来说，可能折腾一天，薅了十几美刀，还是没能把代码跑通。真的强烈不推荐在 AWS 来练习自己 deep learning 技能。

2.4. 测试总结

下表总结在不同环境下的测试效果及成本

在使用体验上，和 Kaggle Kernel 或者 Jupyter Notebook 很接近，虽然外观稍有不同，但快捷键基本一样，没有太大的不适应。除此之外，AI Studio 由于在国内，页面响应比 Kaggle 更快，比 Kaggle 网络更稳定，断线重连几率要更低，毕竟断线重连要重跑还是挺蛋疼的。

不过需要提醒的是，AI Studio 目前还是按运行环境启动时间来计费，是在无 GPU 环境下把代码写好，再开启 GPU 去跑。虽然 AI Studio 的算力卡也是送的，但也要赶紧薅起来，囤点算力资源，万一哪天百度没钱了，不送了呢？

3. 羊毛来了，薅起来

现在的算力卡还是很好拿的，没什么门槛，自己申请一下就拿到了，而且每天运行一次项目，又送 12 个小时算力，连续运行 5 天再加送 48 小时。值得注意的是，申请的算力卡到手就是 48 小时，裂变之后能凑 120 小时，而且有效期比日常运行获取的 12 小时这种要长很多。我寻思每天免费让你 12 小时 NVIDIA V100 GPU 这种事情，真的是天上掉馅饼吧。此外，AI Studio 官方也有比赛，有奖金，如果你的实力在 kaggle 里离拿奖金只是一步之遥，那么趁 AI Studio 还没火起来之前，去 AI Studio 比赛应该是很好拿奖的。

3.1 自己申请

点击「阅读原文」或访问以下链接：https://aistudio.baidu.com/aistudio/questionnaire?activityid=539

接着填写个人信息

提交后，会出现下图