kaggle介绍

Kaggle 主要为数据科学家、机器学习工程师、开发商以及数据科学爱好者等提供服务，是一个集机器学习竞赛、托管数据库、代码编写和分享等功能于一体的平台。

主要业务与功能

竞赛

  • 种类丰富：有 Featured、Getting Started、Playground、Research 等多种类型。Featured 是最主要的比赛类型，通常由公司、组织或政府赞助，奖金池大，竞争激烈；Getting Started 竞赛结构类似 Featured，但无奖金，数据集更简单；Playground 面向初学者，注重创意；Research 则侧重于解决科研界的前沿问题，实验性强，奖金少或无奖金。
  • 流程规范：竞赛主持人准备数据和问题描述，参与者通过不同方法实验以获得最优模型并提交，提交后会根据预测精度立即评分并在实时积分榜显示，截止时间后，竞赛主持人向获胜者支付奖金。

数据资源

拥有 43.8 万高质量公共数据集，内容涵盖从牛油果价格到视频游戏销售、国际足球比赛结果、170 多万篇 STEM 学术论文的 arXiv 数据集和元数据等各个领域，为数据科学研究和实践提供了丰富素材。

代码与模型分享

平台的 Kernels 功能允许用户分享代码和分析，方便用户之间交流学习，促进技术传播和创新，还有大量的公共 Notebooks 可供访问，用户能在强大的 Notebook 环境中进行代码编写和数据分析，且可免费使用 GPU 和 TPU。

学习资源

Kaggle Learn 是其在线课程平台，帮助用户学习数据科学和机器学习知识，无论初学者还是有一定经验的专业人员，都能在此找到适合自己的课程来提升技能。

社区互动

有活跃的社区和论坛，用户可在上面交流数据科学问题、分享经验、讨论技术难点、寻求帮助等，形成了良好的学术和技术交流氛围。

注册

作为这样一个大型竞赛平台，其提供了可以免费访问并可以在云端 GPU 进行深度学习训练的资源和环境。每个用户每周有30个小时的GPU额度。整个注册过程和手机验证过程都需要挂梯子，其详细使用过程如下：

注册账户

打开首页(https://www.kaggle.com/)

在这里插入图片描述

进去注册页面

在这里插入图片描述
在这里可以使用Google账号注册，也可以选择邮箱注册，QQ邮箱也可以。

填写注册信息

这里我们选择了邮箱注册，进去后需要挂梯子才可以看到【进行人机身份验证】
在这里插入图片描述

输入邮箱验证码

下一步查看邮件，并输入验证码
在这里插入图片描述
注册成功后进去如下界面：
在这里插入图片描述

验证手机

登录成功后，需要验证手机号才可以使用免费GPU，支持国内手机号。

点击右上角【头像】

在这里插入图片描述

选择【Settings】

在这里插入图片描述

点击【Phone verify】进行手机号验证

在这里插入图片描述

输入中国手机号

进去后需要挂梯子才可以看到【进行人机身份验证】
在这里插入图片描述

输入手机验证码

手机会收到google发过来的验证码
在这里插入图片描述
输入验证码，验证成功！
在这里插入图片描述
可以到settings 看到验证结果：
在这里插入图片描述

申请和使用GPU

新建notebook

在这里插入图片描述
创建成功后,添加代码：

print("hello world")

执行后可以看看结果
在这里插入图片描述

启动GPU

把右侧边栏各子项收起来，然后点击右侧边栏中的【Session options】
在这里插入图片描述
选择【ACCELERATOR】，在下拉框中可以选择你想使用的GPU，分别有：

  • GPU T4X2 : 每周免费使用30小时
    显存:16 GB GDDR6
    CUDA 核心:2560
    峰值性能(FP16):65 TFLOPS
    推荐应用场景:推理、视频处理和轻量模型训练。
    优势:T4 的性价比很高，功耗低，适合需要较高吞吐量的推理任务，是流行的推理 GPU，适合在线推理的成本优化需求。
    推荐用途:成本敏感的推理任务，例如小型到中型的深度学习模型推理。
  • GPU P100 : 每周免费使用30小时
    显存:16 GB HBM2
    CUDA 核心:3584
    峰值性能(FP16):18.7 TFLOPS
    推荐应用场景:基础的深度学习训练和推理。
    优势:P100 已不再是主流 GPU，性能较低，但在某些预算紧张的场景下依然可以用作训练任务推荐用途:预算有限的基础 A 训练或推理任务，适合处理中小规模模型,
  • TPU VM v3-8 : 每周免费使用20小时
    TPU VM v3-8 中的 “v3” 代表 TPU 的第三代架构，具有更先进的硬件设计和更高的性能。“8” 表示该虚拟机配置了 8 个 TPU 芯片，这些芯片通过高速互联技术连接，能够协同工作，提供强大的并行计算能力。
    在这里插入图片描述
    选择P100，然后再执行就可以看到GPU
    在这里插入图片描述

验证GPU

加入验证GPU的代码：

import torch
torch.cuda.is_available()

运行后：
在这里插入图片描述

查询GPU 余量

回到【Home】，点击【头像】进入【Settings】，滚动到【Quotas】，如下可以看到，总时长为30小时，已经使用5秒（每周30小时免费时长）

可以看出GPU是统一统计，可以创建多个不同notebook。

关闭GPU

在没使用的情况下，需要关闭GPU，然后会一直计时。
在这里插入图片描述
点左下角查看是否有脚本没关闭：
在这里插入图片描述

# 人工智能
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

解密Linux TCP网络协议栈的工作原理

根据四次挥手流程，可以思考一些问题： （1）传输数据过程中，网线断了之后立刻连接，TCP如何知道？可以使用异步，将网络层和业务层分离，单独处理。四次挥手FIN_WAIT_1、FIN_WAIT_2、TIME_WAIT、CLOSING直接的转换，CLOSE_WAIT和LAST_ACK的处理等。为了保证数据能正确分发，TCP使用一种TCB（传输控制块）的数据结构，把发送给不同设备的数据封装起来。需要注意

avatar 2048 AI社区
cover

未来展厅图景：以创新为笔，绘就交互新生态

avatar 2048 AI社区

深入解析Rocket框架的FromRequest与责任链模式

Rocket 框架通过特性及其返回的Outcome枚举，巧妙地应用了责任链模式来构建请求处理流程。请求守卫作为链中的处理器（Handler），按顺序执行，并通过Outcome的SuccessFailureForward三种结果来决定请求是向下传递、中断处理还是被转发。这种设计提供了高度的灵活性、可组合性和安全性，是 Rocket 路由和守卫机制的核心。

avatar 2048 AI社区