本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

又有新的GPU資源可以免費(fèi)用了。

福利來自一家叫做Paperspace的云計(jì)算公司，他們提供了名叫Gradient的服務(wù)：大家都可以用云端GPU，直接跑Jupyter Notebook，不需要付費(fèi)。

系統(tǒng)預(yù)裝了PyTorch、TensorFlow、Keras等等許多主流機(jī)器學(xué)習(xí)框架，用起來幾乎不會(huì)有任何障礙。訓(xùn)練、推理、部署全部支持，還可以把自己的項(xiàng)目公開分享出來。

振奮人心的消息，在Reddit上獲得了400+熱度。

有人說，這個(gè)工具可以解決Colab的許多問題，先舉一個(gè)例子：

Colab每次關(guān)掉都要重新把所有東西裝一遍，但Notebook可以一直用的。(@dkobran)

一鍵運(yùn)行，一鍵訓(xùn)練，一鍵部署

只要用GitHub賬號(hào)注冊(cè)一下Paperspace，就可以進(jìn)到Gradient服務(wù)的頁(yè)面：

就像開頭說的那樣，可以運(yùn)行Jupyter Notebook，可以訓(xùn)練模型，還可以部署。

運(yùn)行一個(gè)項(xiàng)目

在這個(gè)部分，官方提供了許多樣本項(xiàng)目，覆蓋各種主流框架，可從中任選一個(gè)項(xiàng)目：

再選一個(gè)免費(fèi)的GPU資源：

選好之后，點(diǎn)擊“創(chuàng)建Notebook”。一旦創(chuàng)建完畢，系統(tǒng)便會(huì)自動(dòng)開始運(yùn)行項(xiàng)目。

當(dāng)然，隨時(shí)可以按停，隨時(shí)可以繼續(xù)。

在免費(fèi)服務(wù)里，每次最多跑6小時(shí)就會(huì)自動(dòng)關(guān)閉，但并沒有限制次數(shù)，斷了還可以繼續(xù)跑。

目前，免費(fèi)的計(jì)算資源有這些：

另外，付費(fèi)的GPU資源，也沒有貴到不可接受：

其實(shí)運(yùn)行一個(gè)項(xiàng)目，倒未必需要多大的算力。

但別忘了，Gradient還支持訓(xùn)練。

訓(xùn)練一個(gè)模型

只要用自己的Github賬號(hào)授權(quán)一下，就能直接把那里的repo搬過來用了。

并且，Gradient里集合了許多公開數(shù)據(jù)集，也可以直接用到自己的項(xiàng)目里。

部署一個(gè)算法

根據(jù)官網(wǎng)介紹，只要點(diǎn)擊push to deploy按鈕，就可以一鍵把算法部署成API，直接能用的那一種。

現(xiàn)在已經(jīng)做到的功能有這些：

· 與TensorFlow集成在一起了，但也可以輕松擴(kuò)展，來支持其他的模型和數(shù)據(jù)。· 有多種GPU和CPU可以用來部署。· 支持多實(shí)例部署，可以自動(dòng)平衡負(fù)載。· 每個(gè)部署，都有自己專用的安全端點(diǎn)URL。· 可以通過Gradient CLI、Web UI/API來訪問，也可以從你的自定義應(yīng)用來訪問。

為啥不用Colab？

面對(duì)這個(gè)直擊靈魂的問題，一個(gè)高分回答 (@dkobran) 在這里：

有幾個(gè)原因。

一是Colab用的是Google Drive，雖然方便但很慢。比如，訓(xùn)練集常常包含了大量的小文件，特別是圖像數(shù)據(jù)集。Colab要提取這些數(shù)據(jù)，就一點(diǎn)一點(diǎn)爬。這樣對(duì)MNIST這種小數(shù)據(jù)集來說還可以，適合做些玩玩的項(xiàng)目；但要訓(xùn)練更專業(yè)的模型，做更有趣的研究，就不太夠了。

二是Notebook是完全持久的。如果用Colab，每次打開Notebook都要把所有東西重裝一次。

三是Colab的實(shí)例可能跑著跑著就關(guān)了，之前的工作就丟了。而Gradient可以保證跑完整個(gè)session。

另外，Gradient支持在同一環(huán)境里添加更多存儲(chǔ)，添加高端專用GPU。訓(xùn)練一個(gè)復(fù)雜的模型，比如要訓(xùn)練一兩天、數(shù)據(jù)集有1TB的那種，也完全可以。還可以一鍵部署，把模型直接變成API，Colab是做不到的。

這里還提供了大量的ML模板，不論是用TensorFlow、PyTorch、MXNet、Chainer還是CNTK做的，都可以找到。許多公開數(shù)據(jù)集，系統(tǒng)也收錄了，可以直接用進(jìn)項(xiàng)目里。

這有可能是個(gè)官方答案，但也確實(shí)擊中了許多網(wǎng)友柔軟的內(nèi)心：

答得好。關(guān)上Colab是史上最煩的事情了。(@kindnesd99)

如果一個(gè)目錄下面的文件太多，Colab很容易超時(shí)，對(duì)圖像工作太不友好了。(@zalamandagora)

Colab甚至都沒到超時(shí)那一步，就直接讀取失敗，死在OSError 5之類的錯(cuò)誤上了。(@Exepony)

所以，你也來試一下吧。

Gradient傳送門：

https://www.paperspace.com/console/gradient