Kaggle：免费 GPU 使用指南，Colab 的理想替代方案

如果电脑显卡性能不足，又无法访问 Colab 的免费 GPU，那该怎么开始之后的学习呢？

答案是 Kaggle。

Kaggle 不仅提供免费的 GPU 计算资源，还可以直连而无需翻墙，同时不需要海外手机号验证。接下来，文章将详细介绍如何注册 Kaggle 账号、创建 Notebook 文件、设置 GPU 环境，并导入数据集。

文章目录

注册 Kaggle 账号
创建 Notebook 文件
启用免费 GPU
在 Notebook 中启用 GPU
查看显卡性能
导入 Notebook 文件
导入数据集
"Copy & Edit" 功能介绍

注册 Kaggle 账号

访问官网：在浏览器中访问 https://www.kaggle.com，进入 Kaggle 官网。
开始注册：点击 Register with Email 按钮，进入注册页面（使用🪜科学上网的同学可以使用 Google 注册，没有并不影响后续使用）。
填写信息：在注册页面，输入邮箱地址、密码和用户名，然后点击 Sign Up。
邮箱验证：前往邮箱，查收来自 Kaggle 的验证邮件，复制邮件中的验证码或者点击 click here。
输入验证码：回到网站，在验证页面粘贴验证码，点击 Next。
完成登录：使用刚刚注册的邮箱和密码，点击 Sign in 登录账号。

创建 Notebook 文件

在左边栏点击 Create，选择 New Notebook：

创建 Notebook

现在我们成功创建了一个 Notebook 文件：

Notebook 界面

注意，此时还无法使用免费的 GPU：

无法使用GPU

启用免费 GPU

默认情况下，Notebook 无法使用免费的 GPU，需要完成手机号验证以启用此功能。

访问设置页面：点击右上角的头像，选择 Settings，进入设置页面，或者直接访问 https://www.kaggle.com/settings。
验证手机号：如上图，在设置页面，找到 Phone Verification 部分，点击 Verify Phone Number。
输入手机号：选择国家区号，输入手机号码，点击 Send verification code。
- 国内手机号可以正常通过验证，不用担心。
输入验证码：等待接收短信验证码，输入后点击 Verify。
验证成功：手机号验证完成，现在可以使用免费的 GPU。

在 Notebook 中启用 GPU

打开 Notebook：返回 Code 页面，打开之前创建的 Notebook 文件。
设置 GPU：在 Notebook 界面，点击左上角的 Settings 按钮，以 GPU T4 为例，在下拉菜单中点击 Accelerator，选择 GPU T4 x2。
确认启用：系统会提示每周有 30 小时的 GPU 使用时间，点击 Turn on GPU T4 x2 进行确认。
- 用于日常学习是足够的，不够的话就多开 😃
查看使用时间：在页面右边栏的 Session Options 中，可以查看剩余的 GPU 使用时间。
节省时间：在不需要 GPU 时，可将 Accelerator 设置为 None，以节省 GPU 时间。

查看显卡性能

在 Notebook 中，运行以下命令查看当前 GPU 的性能和状态：

!nvidia-smi

输出：

一个伟大的平台。

导入 Notebook 文件

点击File-> Import notebook：

导入Notebook

是的，Kaggle 提供了四种方法来导入 Notebook 文件，下面演示 Github：

选择文件导入

导入的过程非常顺利：

导入成功

导入数据集

Kaggle 提供了简单的方式来导入数据集。

添加数据：在 Notebook 界面的右侧，找到 Input 下拉菜单，点击 Add Input 或 Upload。
- Add Input：导入 Kaggle 中已有的数据集。
- Upload：上传本地的数据集。
搜索数据集：点击 Add Input 后，在搜索栏中输入需要的数据集名称。这里输入 mnist，然后选择 Fashion MNIST 数据集作为示范。
添加数据集：在数据集右侧，点击 + 按钮，将其添加到 Notebook 中，然后点击右上角的 x 号。
查看已添加的数据集：可以在右侧的 DATASETS 中看到已添加的数据集。

查看数据集内容：在 Notebook 中，使用官方提供的代码查看数据集文件夹的内容。

# 这是一个预先配置的 Python 3 环境，包含许多有用的分析库
# 由 kaggle/python Docker 镜像定义：https://github.com/kaggle/docker-python
# 例如，这里导入了几个有用的包

import numpy as np  # 线性代数
import pandas as pd  # 数据处理，CSV 文件 I/O（如 pd.read_csv）

# 输入的数据文件位于只读的 "../input/" 目录中
# 例如，运行此代码（点击运行或按 Shift+Enter）将列出输入目录中的所有文件

import os
for dirname, _, filenames in os.walk('/kaggle/input'):
    for filename in filenames:
        print(os.path.join(dirname, filename))

# 当使用“Save & Run All”创建版本时，可以将最多 20GB 的数据写入当前目录（/kaggle/working/），这些数据将被保存为输出
# 也可以将临时文件写入 /kaggle/temp/，但在当前会话结束后，这些文件将不会被保存

输出：

/kaggle/input/fashionmnist/t10k-labels-idx1-ubyte
/kaggle/input/fashionmnist/t10k-images-idx3-ubyte
/kaggle/input/fashionmnist/fashion-mnist_test.csv
/kaggle/input/fashionmnist/fashion-mnist_train.csv
/kaggle/input/fashionmnist/train-labels-idx1-ubyte
/kaggle/input/fashionmnist/train-images-idx3-ubyte

可以看到与之前的图示一致。

“Copy & Edit” 功能介绍

我们还可以非常快速地复制其他人分享的 Notebook，正如其操作名 “Copy & Edit”：复制并编辑。

找到感兴趣的 Notebook：浏览 Kaggle 的 Notebooks 页面，找到感兴趣的 Notebook，你也可以简单访问当前用于演示的 Demo。
复制 Notebook：点击右上角的 Copy & Edit 按钮。
分享：如果你想将自己的 Notebook 分享给其他人，点击右上角的 Share。
公开：选择 Public 保存为公开的版本，PUBLIC URL 中的链接就是分享链接。