随身GPU服务器：Kaggle中kernels的快速入门指南 前言
对于很多入门深度学习领域的小伙伴来说啊，拥有一款合适的显卡是必要的，只有拥有好的装备才能更好更快地进行神经网络的训练、调试网络结构、改善我们的代码，进而更快地产出结果。
也就是说，显卡可以代表生产力，显卡越好，生产力越强。程序训练的速度越快，我们也就可以更方便地看到结果从而进行下一步。大家可以回顾一下我在之前发布的几篇关于显卡的文章：
更新深度学习装备:双(1080Ti)显卡装机实录
新显卡出世，我们来谈谈与深度学习有关的显卡架构和相关技术
给你一份配置清单:机器学习、深度学习电脑显卡配置指南
戴尔成就微塔式小机箱装华硕1060-6G大显卡
但是显卡这玩意儿的价格可是并不美好啊，假如没有实验室的经费和老师的“慷慨资助”，我们一般是消费不起高端显卡的。但是我们笔记本中的965M、1050TI等入门级显卡对于稍微繁重点的深度学习任务来说，根本带不动呀，就问你怕不怕。
嘿嘿，当然不怕，就算我们暂时没有可以派上用场的显卡(1080TI、2080TI)，我们也可以撸一些大公司的羊毛嘛，毕竟是免费的，不用白不用，这里我就推荐一个比较好用的免费的网上GPU服务器：Kaggle下的kernels。
拥有GPU的kernels那么什么是kernels？
这里的kernels说白了就类似于一个可以在浏览器上间接(本质上是在Kaggle的GPU服务器上)运行的一个环境，这个环境里包含了我们基本需要的各种软件，当然我们也可以自己去安装一些软件，然后去运行我们的训练程序。类似于Google Colab，但是相比Google Colab也有个巨大的优势，就是在国内直接连接。
这个kernels因为是一个虚拟环境，和我们在其他平台上直接使用的GPU云服务器还有点区别，不用我们去耗费精力搭建环境，我们直接使用即可。
那什么又是是Kaggle呢，Kaggle只要大家稍微Google一下就可以知道，Kaggle是一个专门致力于机器学习方面比赛的平台，一些大公司将一些机器学习任务通过Kaggle发布到网上，大家可以在Kaggle上进行比赛，而Kaggle为了让那些没有服务器的新手更好地参加比赛，提供了免费的GPU让大家用，可以说是很实在了。
好了，说了这么多，让我们开始使用吧！
登录创建kernels首先我们进入Kaggle的官网：https://www.kaggle.com/ 。
创建自己的Kaggle账户，然后点击网站最上方的Kernels即可创建kernels。
这时会出现两个选项，我们选择右边的Notebook：
这样我们就进入了kernels界面：
左面是运行代码的区域，使用方式类似于Jupyter Notebook，而在右方我们可以看到这里开启了GPU，网络的没有连接。对于深度学习任务，我们一般开启GPU的支持，而网络连接当我们需要下一些额外的软件包的时候开启即可。
有一点需要注意，没有开启GPU时可以使用的总内存是17.2GB，开启后就变为14GB，磁盘容量是一定的，但是这个磁盘是交换数据时需要的，我们的数据集并不需要放到这个Disk里头。
开启GPU前：
开启GPU后：
另外，更多的帮助信息可以到Docs中查看，高级功能和API也可以直接点击查看。
配置关于配置信息，我们只要在NoteBook中输入nvidia-smi即可看到，注意在前面加!号才可以执行：