免费GPU计算资源哪里有？带你薅薅国内GPU羊毛
"\u003Cdiv\u003E\u003Cblockquote\u003E\u003Cp\u003E允中 发自 凹非寺 \u003C\u002Fp\u003E\u003Cp\u003E量子位 出品 | 公众号 QbitAI\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Cp\u003E编者按：\u003C\u002Fp\u003E\u003Cp\u003E没有什么比薅GPU羊毛更喜闻乐见。\u003C\u002Fp\u003E\u003Cp\u003E之前有专门教程介绍谷歌资源，需要科学上网。但最近知乎上又有一套国产GPU资源的薅羊毛分享，价值上亿的高性能算力，对科研学习者完全免费。\u003C\u002Fp\u003E\u003Cp\u003E这就是百度的AI Studio。现在，我们将这篇测评及使用分享转载如下，祝薅羊毛开心顺利。\u003C\u002Fp\u003E\u003Ch1\u003E\u003Cstrong\u003E1.AI Studio和飞桨（PaddlePaddle）\u003C\u002Fstrong\u003E\u003C\u002Fh1\u003E\u003Cp\u003EAI Studio和飞桨算是后起之秀，包括我在内的很多人还不是很熟悉这一整套方案，在开薅之前，所以先简单介绍下。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E1.1 AI Studio\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003EAI Studio是百度提供的一个针对AI学习者的在线一体化开发实训平台（https:\u002F\u002Faistudio.baidu.com\u002F?fr=liangziwei）。\u003C\u002Fp\u003E\u003Cp\u003E平台集合了AI教程, 深度学习样例工程, 各领域的经典数据集, 云端的运算及存储资源, 以及比赛平台和社区。[1]你可以把AI Studio看成国产版的Kaggle。\u003C\u002Fp\u003E\u003Cp\u003E和Kaggle类似，AI Studio也提供了GPU支持，但百度AI Studio在GPU上有一个很明显的优势。Kaggle采用的是Tesla K80的GPU, AI Studio采用的是Tesla V100的GPU，那么下表对比两款单精度浮点运算性能，就能感觉v100的优势了。\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp3.pstatp.com\u002Flarge\u002Fpgc-image\u002F3f1ab86106bc4de6b58974df3b81613d\" img_width=\"781\" img_height=\"229\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E明显在单精度浮点运算上，AI Studio提供的运行环境在计算性能上还是很有优势的。理论上训练速度可以提高近3倍左右。\u003C\u002Fp\u003E\u003Cp\u003E虽然性能上好很多，但目前还是可以免费薅到，目前AI Studio提供了免费申请和运行项目奖励这两种获得算力卡的方式，最后一章我会带领大家去薅。\u003C\u002Fp\u003E\u003Cp\u003E即使算力卡用完了（目前送得太多，根本用不完），AI Studio的CPU也是很有竞争力的。亲自用脚本测试过，AI Studio的CPU是Intel(R) Xeon(R) Gold 6148 CPU，可以说在配置上，AI Studio也是很有竞争力的。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E1.2 飞桨\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E根据官网介绍，飞桨是百度推出的 “源于产业实践的开源深度学习平台”，致力于让深度学习技术的创新与应用更简单。\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002Fa5251bfbdffb4d388e38ed43d13458c5\" img_width=\"1080\" img_height=\"272\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003EPaddle是Parallel Distributed Deep Learning的缩写，翻译过来是就是桨。和TensorFlow，Pytorch等框架一样，飞桨给开发者提供了很多常用的架构，也可以直接在包里直接加载常用的数据库，对于学习者来说，还是很方便的。\u003C\u002Fp\u003E\u003Cp\u003E飞桨（PaddlePaddle）还是有点国产的意思，去Github可以搜到PaddlePaddle的项目，除了英文文档，还提供了中文文档，这个有时候还是挺方便的。虽然现在star比起TensorFlow还是差不少，但是感觉进展得如火如荼。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E1.3 AI Studio与飞桨的生态\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E下图是百度在4月首届 WAVE SUMMIT 2019 深度学习开发者峰会时首次对外公布的 飞桨全景图。\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002F05618a1ee1bf471a9579060d887c2c86\" img_width=\"1080\" img_height=\"404\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002F761035ca69f44ae29c1f7e51e57f1ea5\" img_width=\"1080\" img_height=\"437\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E生态其实设计得很好，可能TensorFlow先发得太早吧，感觉飞桨追赶得很吃力。但从百度最近推广飞桨的力度来看，我猜飞桨很有可能两三年左右进入主流深度学习框架之列。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2.AI Studio实例测评：以数字识别项目为例\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2.1 AI Studio GPU和CPU性能对比。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E为了测试AI Studio的性能，我用最经典的MNIST数据集，在LeNet 5模型上跑，对比在GPU和CPU\u003Cspan\u003E下在\u003C\u002Fspan\u003EAI Studio的的性能。同时我进行了一个不算严谨的测试，我用最经典的MNIST数据集，飞桨用的MNIST数据集是60000个训练数据，10000个测试数据，Kaggle的训练集数据42000，测试集数据28000。https:\u002F\u002FaiStudio.baidu.com\u002FaiStudio\u002Fprojectdetail\u002F45293\u003C\u002Fp\u003E\u003Cp\u003E以下是AI Studio的CPU和GPU测试性能对比\u003C\u002Fp\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp3.pstatp.com\u002Flarge\u002Fpgc-image\u002F60759dbe50834aa1a8787c7e86697f54\" img_width=\"1080\" img_height=\"166\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003EGPU提升效果为11倍，因为训练过程有验证测试，而且CPU配置也太高了，所以并未达到理论上的47x的加速，但这速度还不错。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2.2 AI Studio和Kaggle对比测试\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E测试环境：\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E1. Kaggle Kernel.\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E测试kernel https:\u002F\u002Fwww.kaggle.com\u002Forange90\u002Fmnist-with-lenet-5-test-run-time. Batch_size =50，训练5000轮，使用框架TensorFlow,CNN架构是LeNet-5\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2.AI Studio.\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E测试项目https:\u002F\u002FaiStudio.baidu.com\u002FaiStudio\u002Fprojectdetail\u002F45293\u003C\u002Fp\u003E\u003Cp\u003EBatch_size = 64，训练5000轮,使用框架飞桨, CNN架构是LeNet-5\u003C\u002Fp\u003E\u003Cp\u003EAI Studio的测试结果在2.1展示了，就不再赘述了，以下是Kaggle的性能测试对比：\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp3.pstatp.com\u002Flarge\u002Fpgc-image\u002F1de82e86f51b4d61a202358415a7d207\" img_width=\"1080\" img_height=\"162\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003EGPU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。\u003C\u002Fp\u003E\u003Cp\u003E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，况且AI Studio本来CPU就很高配了，所以理论上47x的加速可能还得打个折。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2.3 AWS\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E也在AWS开了个instance来测试，选的是这一款配置里的p2.xlarge\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002F029b675867454658b74848680a159828\" img_width=\"1080\" img_height=\"573\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E直接把2.2里用到的kaggle的内核导进去了，测试结果如下：\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp9.pstatp.com\u002Flarge\u002Fpgc-image\u002Fab28c45687cc4157bb9807da36a7f4f9\" img_width=\"1080\" img_height=\"165\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E性能上比前两者都差一点。\u003C\u002Fp\u003E\u003Cp\u003E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。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E2.4. 测试总结\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E下表总结在不同环境下的测试效果及成本：\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp3.pstatp.com\u002Flarge\u002Fpgc-image\u002Ff6ef6aff423f4f4c9c2a51a06104a1e0\" img_width=\"1080\" img_height=\"125\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E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。\u003C\u002Fp\u003E\u003Cp\u003E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？\u003C\u002Fp\u003E\u003Ch1\u003E\u003Cstrong\u003E3.羊毛来了，薅起来\u003C\u002Fstrong\u003E\u003C\u002Fh1\u003E\u003Cp\u003E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。\u003C\u002Fp\u003E\u003Cp\u003E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。\u003C\u002Fp\u003E\u003Cp\u003E我寻思每天免费让你12小时NVIDIA v 100GPU这种事情，真的是天上掉馅饼吧。\u003C\u002Fp\u003E\u003Cp\u003E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，那么蹭AI Studio还没火起来之前，去AI Studio比赛应该是很好拿奖的。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E3.1 自己申请\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E点进https:\u002F\u002Faistudio.baidu.com\u002Faistudio\u002Fquestionnaire?activityid=539\u003C\u002Fp\u003E\u003Cp\u003E接着填写个人信息\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002Febae023210384f5388fcf5f2ca2863f7\" img_width=\"1080\" img_height=\"715\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E提交后，会出现下图\u003C\u002Fp\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002F4f9ba6f8db424219b474018720c866d4\" img_width=\"738\" img_height=\"406\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E然后就静候佳音。通过运营人员核验后，用户的邮箱将收到运营人员发送的算力邀请码：一串32位数字。\u003C\u002Fp\u003E\u003Cp\u003E通过上面链接能申请到48小时的算力卡（有效期1个月），并且可以分裂，送给别人（稍后送上我的分裂算力卡）\u003C\u002Fp\u003E\u003Cp\u003E使用算力卡的方法很简单，在运行项目时选上GPU，就会开始消耗了，如下图。\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002Fba372216ca384123919a4a516e7037cd\" img_width=\"1080\" img_height=\"591\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E\u003Cstrong\u003E3.2 跑项目赚算力卡\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E这个简直了，你不仅可以运行自己的深度学习代码，测试自己的项目，而且同时还会得到算力卡。每天跑一次就可以得到12小时算力卡（有效期2天），另外算力充电计划，就是连续5天有使用算力卡，就会额外送48小时(有效期7天)。但预感这么高成本的事情应该不会持续太久，建议早薅。下面是我的算力卡奖励历史，感觉只要你用，AI Studio就送你算力，不担心算力不够。\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp3.pstatp.com\u002Flarge\u002Fpgc-image\u002F11db534392e74132997a277a7a6aac31\" img_width=\"1080\" img_height=\"502\" alt=\"免费GPU计算资源哪里有？带你薅薅国内GPU羊毛\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E\u003Cstrong\u003E3.3 算力卡分裂\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003EAI Studio的算力卡有分裂功能，你申请到算力卡会有三个邀请码，你可以分享给你的朋友。我申请的算力卡有三个分裂，我每天会在评论区放一个算力卡，对羊毛贪得无厌，或者懒得申请又想马上使用的，那可要盯紧评论区了。后续我再薅到新的算力卡就会评论区更新，先到先得，希望各位多多关注本文。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E3.4 比赛薅羊毛\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E另外额外告诉大家一个可能能行的薅羊毛的方法，需要一定的实力。AI Studio也有一些常规比赛，相对于Kaggle，可能竞争会小点，如果你在Kaggle能top10%以上，来AI Studio薅类似的比赛，就很大几率拿得到奖金了。\u003C\u002Fp\u003E\u003Cp\u003E羊毛不是天天有，该出手时就出手！\u003C\u002Fp\u003E\u003Ch1\u003E\u003Cstrong\u003EReference:\u003C\u002Fstrong\u003E\u003C\u002Fh1\u003E\u003Cp\u003E【1】https:\u002F\u002Fai.baidu.com\u002Fdocs#\u002FAIStudio_Tutorial\u002Ftop?fr=liangziwei\u003C\u002Fp\u003E\u003Cp\u003E【2】http:\u002F\u002Fwww.PaddlePaddle.org\u002F?fr=liangziwei\u003C\u002Fp\u003E\u003Cp\u003E【3】https:\u002F\u002Fai.baidu.com\u002Fforum\u002Ftopic\u002Fshow\u002F943419\u002F?fr=liangziwei\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E谷歌计算资源薅羊毛教程传送门：\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59305459\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E— 完 —\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E诚挚招聘\u003C\u002Fp\u003E\u003Cp\u003E量子位正在招募编辑\u002F记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。\u003C\u002Fp\u003E\u003Cp\u003E量子位 QbitAI · 头条号签约作者\u003C\u002Fp\u003E\u003Cp\u003Eվ'ᴗ' ի 追踪AI技术和产品新动态\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E"'.slice(6, -6),
groupId: '6716355478542090759
