Kaggle GPU使用 及 各種有用的功能

目錄

• 地址：https://www.kaggle.com/
• 創建 notebook
• 導入kaggle數據集
• 讀取導入的數據集
• 使用GPU加速訓練
• 離線跑模型

地址：https://www.kaggle.com/

創建 notebook

1. 進入主頁，在左側選擇 code
   
2. 選擇新建
   
3. 剩下的操作步驟就跟 jupyter notebook一樣了
   

導入kaggle數據集

1. 進入notebook，選擇右側的Add Data
   
2. 輸入想要的數據集，這里以 d2l-Classify-Leaves 李沐老師的競賽為例。先右上角search，再add即可
   
3. 導入效果如下
   

讀取導入的數據集

1. 以讀取test.csv為例，先點擊 開關 的按鈕，連接內核
   
2. 連接內核后可點擊，查看資源的使用情況
   
3. 在cell里編寫代碼, 這里csv的路徑可以通過：右側的Data框選擇數據集，然后點擊復制即可
   

import pandas as pd
df = pd.read_csv("../input/d2lclassifyleaves/test.csv")
df

output：

使用GPU加速訓練

1. 點擊右上角的更多->加速器->GPU or TPU
   
2. 會提示，每周最多使用38小時
   
3. 效果如下
   
4. 查看分配的GPU情況，在cell里輸入

! nvidia-smi

可以看到分配的是P100

離線跑模型

有時候跑模型需要半天甚至更久，那么就需要在后台跑模型了

1. 先在notebook編寫好代碼，然后選擇右上角的Save
   
2. 勾選保存
   
3. 在Advanced中選擇 gpu加速
   
4. 選擇Save，在右下角會出現活動
   
5. 注意：在后台運行過程中，是看不到執行步驟和輸出的，只有整個代碼跑完才行，成功后顯示如下
   
6. 點擊該活動可以看到