首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

又有免费GPU资源了:可直接跑Jupyter Notebook,还支持断点续命

又有新的GPU资源可以免费用了。

福利来自一家叫做Paperspace的云计算公司,他们提供了名叫Gradient的服务:大家都可以用云端GPU,直接跑Jupyter Notebook,不需要付费。

系统预装了PyTorch、TensorFlow、Keras等等许多主流机器学习框架,用起来几乎不会有任何障碍。训练、推理、部署全部支持,还可以把自己的项目公开分享出来。

振奋人心的消息,在Reddit上获得了400+热度。

有人说,这个工具可以解决Colab的许多问题,先举一个例子:

Colab每次关掉都要重新把所有东西装一遍,但Notebook可以一直用的。(@dkobran)

一键运行,一键训练,一键部署

只要用GitHub账号注册一下Paperspace,就可以进到Gradient服务的页面:

就像开头说的那样,可以运行Jupyter Notebook,可以训练模型,还可以部署。

运行一个项目

在这个部分,官方提供了许多样本项目,覆盖各种主流框架,可从中任选一个项目:

再选一个免费的GPU资源:

选好之后,点击“创建Notebook”。一旦创建完毕,系统便会自动开始运行项目。

当然,随时可以按停,随时可以继续。

在免费服务里,每次最多跑6小时就会自动关闭,但并没有限制次数,断了还可以继续跑。

目前,免费的计算资源有这些:

另外,付费的GPU资源,也没有贵到不可接受:

其实运行一个项目,倒未必需要多大的算力。

但别忘了,Gradient还支持训练。

训练一个模型

只要用自己的Github账号授权一下,就能直接把那里的repo搬过来用了。

并且,Gradient里集合了许多公开数据集,也可以直接用到自己的项目里。

部署一个算法

根据官网介绍,只要点击push to deploy按钮,就可以一键把算法部署成API,直接能用的那一种。

现在已经做到的功能有这些:

· 与TensorFlow集成在一起了,但也可以轻松扩展,来支持其他的模型和数据。· 有多种GPU和CPU可以用来部署。· 支持多实例部署,可以自动平衡负载。· 每个部署,都有自己专用的安全端点URL。· 可以通过Gradient CLI、Web UI/API来访问,也可以从你的自定义应用来访问。

为啥不用Colab?

面对这个直击灵魂的问题,一个高分回答 (@dkobran) 在这里:

有几个原因。 一是Colab用的是Google Drive,虽然方便但很慢。比如,训练集常常包含了大量的小文件,特别是图像数据集。Colab要提取这些数据,就一点一点爬。这样对MNIST这种小数据集来说还可以,适合做些玩玩的项目;但要训练更专业的模型,做更有趣的研究,就不太够了。 二是Notebook是完全持久的。如果用Colab,每次打开Notebook都要把所有东西重装一次。 三是Colab的实例可能跑着跑着就关了,之前的工作就丢了。而Gradient可以保证跑完整个session。 另外,Gradient支持在同一环境里添加更多存储,添加高端专用GPU。训练一个复杂的模型,比如要训练一两天、数据集有1TB的那种,也完全可以。还可以一键部署,把模型直接变成API,Colab是做不到的。 这里还提供了大量的ML模板,不论是用TensorFlow、PyTorch、MXNet、Chainer还是CNTK做的,都可以找到。许多公开数据集,系统也收录了,可以直接用进项目里。

这有可能是个官方答案,但也确实击中了许多网友柔软的内心:

答得好。关上Colab是史上最烦的事情了。(@kindnesd99) 如果一个目录下面的文件太多,Colab很容易超时,对图像工作太不友好了。(@zalamandagora) Colab甚至都没到超时那一步,就直接读取失败,死在OSError 5之类的错误上了。(@Exepony)

所以,你也来试一下吧。

Gradient传送门:

https://www.paperspace.com/console/gradient

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

  • 发表于:
  • 原文链接http://news.51cto.com/art/201911/605342.htm
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券