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
WangUnionpub1 分钟前
2026 国自然基金申请全周期时间线
大数据·人工智能·物联网·机器学习·计算机视觉
2301_800256113 分钟前
R-Tree创建与遍历,R-Tree在4类空间查询中的应用,实现4类空间查询的各类算法[第8章]
数据库·算法·机器学习·postgresql·r-tree
Coding茶水间5 分钟前
基于深度学习的车型识别系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
人工智能·深度学习·机器学习
AI人工智能+6 分钟前
智能表格识别技术融合深度学习与计算机视觉,突破传统表格数字化瓶颈
深度学习·ocr·表格识别
Clarence Liu7 分钟前
LLM (1) 如何下载模型(mac)
人工智能·后端·深度学习
空山新雨后、9 分钟前
深度学习VS强化学习:预测与决策的本质差异
人工智能·深度学习·强化学习
BFT白芙堂10 分钟前
基于 GPU 并行加速的 pRRTC 算法:赋能 Franka 机械臂的高效、稳定运动规划
人工智能·深度学习·算法·机器学习·gpu·具身智能·frankaresearch3
MoonOutCloudBack11 分钟前
Nash-MTL:在多任务梯度组合中引入纳什谈判解
论文阅读·人工智能·深度学习·机器学习·多任务·帕累托最优
小烤箱12 分钟前
Autoware Universe 感知模块详解 | 第十节:工程角度的自动驾驶检测管线方法论
人工智能·机器学习·自动驾驶·autoware·感知算法
神一样的老师16 分钟前
微型机器学习(TinyML):研究趋势与未来应用机遇
人工智能·机器学习