自带免费GPU的Google CoLab 试用手记

昨天微博上面的爱可可老师转发了一个文章 Google Colab Free GPU Tutorial, 这天下还有免费的GPU可以薅! 这Google真是”业界毒瘤” …

废话不说, 先撸起再说.

Google CoLab 简介

这个就是一个google版本的Jupyter Notebook. 尝试了一下, 很多快捷键都是一样的.

只不过, 它深度集成在Google Drive之中, 数据文件、notebook代码都是放在drive之中。

使用的时候, 首先进入Google Drive, 然后按照下图的方式找到colab

google-drive-colab

注意: 默认情况下, 在这个下拉框, 是没有”Colab”的, 你需要在”关联更多应用” 之中手动关联一下才行

google-drve-install-colab

开始试用

这次试用的程序, 是Keras的LSTM的一个例子程序.

  • 首先我们安装依赖的类库:

    !pip install keras pandas numpy scipy

    可以看到, 下载速度在40MB+ 每秒 . 速度还是不错的. (为了测试速度, 下载的是pyspark)

    google-drve-speed-test

  • 调整Notebook设定:

    需要调整:

    • 设定为python3
    • 使用GPU加速

    方法:

    ​ 点击”修改” –> 笔记本设定 即可

    验证是GPU在工作:

    [code lang=python]
    import tensorflow as tf
    tf.test.gpu_device_name()
    [/code]

    注意: 这里有时候会出现GPU没有连接上的情况! 一定要确认是不是显示的GPU:0信息.

  • 直接把例子程序copy过来运行.

    程序来源: https://github.com/keras-team/keras/blob/master/examples/imdb_lstm.py

    查看下面的运行日志:

    [code lang=text]
    Epoch 1/15
    8672/25000 [=========>………………..] – ETA: 1:26 – loss: 0.5192 – acc: 0.731925000/25000 [==============================] – 159s 6ms/step – loss: 0.4555 – acc: 0.7842 – val_loss: 0.4005 – val_acc: 0.8230
    Epoch 2/15
    8128/25000 [========>…………………] – ETA: 1:28 – loss: 0.2867 – acc: 0.888225000/25000 [==============================] – 159s 6ms/step – loss: 0.2983 – acc: 0.8789 – val_loss: 0.3799 – val_acc: 0.8289
    Epoch 3/15
    7936/25000 [========>…………………] – ETA: 1:28 – loss: 0.2012 – acc: 0.928925000/25000 [==============================] – 158s 6ms/step – loss: 0.2183 – acc: 0.9170 – val_loss: 0.4142 – val_acc: 0.8291
    Epoch 4/15
    7872/25000 [========>…………………] – ETA: 1:27 – loss: 0.1481 – acc: 0.942525000/25000 [==============================] – 155s 6ms/step – loss: 0.1563 – acc: 0.9412 – val_loss: 0.4505 – val_acc: 0.8280
    [/code]

    我尝试了好几次, 显示上面感觉都是有问题. 并且运算时间达到了惊人的 1分27秒 !!!

    没有对比就没有伤害, 下面是我们的1060 6G GPU的运行时间:

    [code lang=text]
    Epoch 1/15
    25000/25000 [==============================] – 73s 3ms/step – loss: 0.4571 – acc: 0.7826 – val_loss: 0.3850 – val_acc: 0.8330
    Epoch 2/15
    25000/25000 [==============================] – 73s 3ms/step – loss: 0.2953 – acc: 0.8819 – val_loss: 0.3946 – val_acc: 0.8242
    Epoch 3/15
    25000/25000 [==============================] – 73s 3ms/step – loss: 0.2152 – acc: 0.9154 – val_loss: 0.4195 – val_acc: 0.8240
    Epoch 4/15
    25000/25000 [==============================] – 73s 3ms/step – loss: 0.1523 – acc: 0.9418 – val_loss: 0.4564 – val_acc: 0.8291
    [/code]

    每一轮我们的GPU只用了73s的时间.

试用小结:

  • 免费的GPU加速是真实存在的. 只不过估计是共享的, 实际的运行速度完全不是Tesla K80 应该有的表现.

  • Colab 还是刚起步的状态, 有一些Bug.

    目前发现的有:

    • 比如上面提到的Log显示的问题
    • 有时候虽然设置了使用GPU加速, 但是实际上还是使用的CPU
    • 虽然你安装了Keras或者其他的类库, 但是过了一夜, 好像又需要重新安装了
  • 感觉目前还是不能真正替代自己购入GPU. 不过以后不好说, 可以继续关注

版权申明

本文原创, 转摘请注明来源:

自带免费GPU的Google CoLab 试用手记.md

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注