kaggle平台free使用GPU

1、注册

请保证在【科学上网】条件下进入如下操作,只有在注册账户和手机号验证时需要。

step1:注册账户

进入kaggle官网:https://www.kaggle.com/,点击右上角【Register】进入注册页面

最好选择使用邮箱注册(!!!如果你先用goole注册,然后改成其他邮箱,再用其他邮箱登录时会报错,需要重新找回密码)

输入【邮箱】、【密码】和【用户名】后,勾选【进行人机身份验证】,【Next】下一步

如果不是在【科学上网】条件下进行可能会导致【进行人机身份验证】这个选项刷新不出来,如下

输入邮箱中的验证码,点击【Next】就注册好了

进入后就是如下界面了

step2:手机号验证【GPU运行需要】

如果只是用CPU运行,可以不用验证手机号,想用kaggle免费GPU资源,就需要手机号验证。

点击右上角【头像】,选择【Settings】

点击【Phone verify】进行手机号验证

在弹出的窗口中输入【手机号】,勾选【进行人机身份验证】,最后点击【Send verification code】发送验证码

如果不是在【科学上网】条件下进行可能会导致【进行人机身份验证】这个选项刷新不出来,如下

将手机收到的验证码填入窗口,点击【verify】进行验证

验证成功界面如下【Close】关闭即可

在设置界面可以看到【Phone verification】下显示【Verified】已验证

2、使用

step1:新建Notebook

回到【主页面】,点击左上角【Create】中的【New Notebook】创建一个新的Notebook

创建成功后界面默认如下,点击左上角【运行】按钮,初始化会话环境

默认使用CPU如下图可以看到【CPU】字样

step2:开启GPU【需要完成手机号验证,否则没有开启按钮】

点击右侧边栏中的【Session options】

选择【ACCELERATOR】,在下拉框中可以选择你想使用的GPU,如【GPU P100】,(建议把【Internet】打开【Internet on】在使用中可能下载数据,安装库会使用到,默认是打开的)

进入确认窗口,【Turn on GPU P100】即可

选择GTU后运行会自动停止,再次【运行】即可,完成后可以看到顶部显示中多了【GPU】的相关显示

如未进行手机号验证是如下界面,没有【ACCELERATOR】选项

step3:验证GPU是否可用

编辑界面【+ Code】,加入如下代码,点击【运行】,如输出【True】则说明GPU在正常运行

python 复制代码
import torch
torch.cuda.is_available()

step4:!!!关闭GPU

Kaggle的免费GPU是限制时长的所以在不用时一定要记得关闭GPU,

1、点击右上角【关闭】图标

2、点击左下角

【黄色上标,表示在运行的程序数】

选择你要关闭的任务,点击【Stop Session】

关闭后效果如下:

step5:GPU余量查询

回到主界面,点击【头像】进入【Settings】,下划至【Quotas】,如下可以看到,总时长为30小时,已经使用7分钟(每周30小时免费时长)

相关推荐
极小狐13 分钟前
极狐GitLab 如何 cherry-pick 变更?
人工智能·git·机器学习·gitlab
小宋加油啊14 分钟前
深度学习小记(包括pytorch 还有一些神经网络架构)
pytorch·深度学习·神经网络
沛沛老爹17 分钟前
从线性到非线性:简单聊聊神经网络的常见三大激活函数
人工智能·深度学习·神经网络·激活函数·relu·sigmoid·tanh
何大春36 分钟前
【视频时刻检索】Text-Video Retrieval via Multi-Modal Hypergraph Networks 论文阅读
论文阅读·深度学习·神经网络·计算机视觉·视觉检测·论文笔记
旧故新长1 小时前
支持Function Call的本地ollama模型对比评测-》开发代理agent
人工智能·深度学习·机器学习
微学AI2 小时前
融合注意力机制和BiGRU的电力领域发电量预测项目研究,并给出相关代码
人工智能·深度学习·自然语言处理·注意力机制·bigru
知来者逆2 小时前
计算机视觉——速度与精度的完美结合的实时目标检测算法RF-DETR详解
图像处理·人工智能·深度学习·算法·目标检测·计算机视觉·rf-detr
一只可爱的小猴子2 小时前
2022李宏毅老师机器学习课程笔记
人工智能·笔记·机器学习
每天都要写算法(努力版)3 小时前
【神经网络与深度学习】训练集与验证集的功能解析与差异探究
人工智能·深度学习·神经网络
爱研究的小陈3 小时前
Day 4:机器学习初探——从监督学习到无监督学习
机器学习