深度學習越加火熱，但是，很多實驗室並沒有配套的硬件設備，讓貧窮的學生黨頭大😔
經過網上大量的搜羅，我整理了適合學生黨的深度學習解決方案。利用Colab + Kaggle兩大免費的GPU環境，讓深度學習變得簡單。
Colab
Colab基礎使用
Google Colab提供了免費K80的GPU，通過Google Drive就可以很好的白嫖一波了 👉Colab 實用教程
Colab進階使用
通過下載Google備份與同步到本地端，就可以實現數據的同步，保證了較大量的數據集在雲端和本地端直接的無差錯傳輸
通過這一同步，在本地端修改代碼，可以在1分鍾之內就同步到雲端，方便與訓練與修改。
❌但是，K80 GPU的算力較弱，且colab的連接不穩定，適用於對代碼進行調試，不適於長時間的訓練。
Kaggle
Kaggle提供免費訪問內核中的Nvidia Tesla P100，相比於K80，算力提升了太多了。我在colab訓練10小時最好80epochs，在kaggle上，訓練不到1小時就可以80epochs，真是太感動了😂，配置如下：
創建賬號
創建NoteBook
建議：創建時可以不選GPU，直接None就行了，否則，創建后就開始計時了，GPU一周可以使用39小時（當然可以多多創建賬號）
配置notebook
- 上傳代碼及數據集要求壓縮包上傳，上傳后Add進去就好了
- 寫控制命令時，只需要復制路徑就可以獲得train.py的位置
- 訓練結果保存的位置應該為
/kaggle/working/...
- 數據集與代碼管理
Kaggle進階使用
通過這兩大平台的結合使用，學生黨可以方便的進行深度學習了，thanks for Google.
write by Gqq