您是否知道通过添加 GPU 可以显着提高在 Kaggle 中训练深度学习模型的速度?测试表明，与使用出色的 CPU相比，用户在模型训练时可以享受高达 13 倍的性能提升— 并且向现有 Kaggle 项目添加显卡并不困难。事实上，Kaggle 提供免费访问专为机器学习 (ML) 目的而设计的 Nvidia 卡。在本指南中，我们将向您展示如何利用它们。

什么是卡格尔?

如果您是 Kaggle 新手，它本质上是一个针对数据科学和机器学习感兴趣的人的在线社区。然而，它真正的特别之处在于它的资源。除了令人难以置信的文档可以帮助您学习从 Python 编程到构建神经网络的所有知识之外，它还提供了一个用于试验和训练 ML 模型的在线平台。

关于在 Kaggle 中使用 GPU 需要了解的内容

虽然我们中的许多人将辛苦赚来的钱花在强大的 GPU上，以在最新游​​戏中追求更多帧数，但这并不是它们的全部好处。近年来，即使是廉价显卡对于构建和训练 ML 模型也变得很有价值。它们可以带来巨大的好处，以至于 Kaggle 投资了强大的 Nvidia 卡，只是为了为其用户提供增强的性能。您每周可以免费使用其中一个长达 30 小时，而且启用起来非常简单。然而，在您深入之前，您需要了解一些事情。

正如 Kaggle在其官方文档中概述的那样，GPU 利用率实际上仅对训练深度学习模型有用。其他工作流程往往无法从 GPU 能力中受益。考虑到这一点，用户应该明智地管理他们的 GPU 使用情况。仅在确实需要时才打开 GPU，不需要时请务必将其关闭。