自带免费GPU的Google CoLab 试用手记

2018年01月28日 14725点热度 2人点赞 0条评论

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:
http://www.flyml.net/2018/01/28/try-out-google-colab-gpu/

RangerWolf

保持饥渴的专注,追求最佳的品质

文章评论