两个免费深度学习计算平台: Google Colaboratory 和 Kaggle

在这两个平台中，任何人都可以通过浏览器编写和执行任意 Python 代码。它尤其适合机器学习、数据分析和教育目的。从技术上说，两者都是一种Jupyter 笔记本服务，所在环境就是python的解释器，也可以在命令前添加符号!来运行bash命令（Linux）。用户无需进行设置，就可以直接使用，同时还能获得 GPU 等计算资源的免费使用权限（时长上是受限制的）。（Jupyter在这里就不介绍了，就是一种结合记录笔记功能的实时命令行吧）

1 Colab

假设你已经具有合法访问国外某些学习资源的条件，否则可以直接跳到Kaggle的介绍

先放一张Colab的图（暗色主题）

基本使用方法

Colab中包含了很多常用的工具和运行环境，基本上不需要用户自己安装（也可以使用apt和pip等管理工具安装）。直接键入的命令实在python解释器中运行的，如果要在bash中运行，需要在命令前加感叹号!，需要注意的是，cd命令要想生效的话，需要在前面加%而不是!。

看一下GPU设备，每次连接可能会变。

管理你的文件

Colab可以在文件系统中挂载Google Drive，从而在代码中直接使用，而创建的notebook也直接保存在Google Drive中。通过服务器操作造成的云盘文件的改变会直接在Google Drive中体现，反之也是这样。比如云盘中的压缩文件可以直接在Colab中解压到云盘中，链接可以直接通过wget下载到云盘中。不过虚拟机上挂载的文件和Google Drive网页上体现的文件的同步可能需要一点时间，不会特别快。


比Kaggle方便的是，Colab的文件更方便管理，点击文件夹或文件右边的三个点，就可以轻松从本地上传文件或者下载文件到本地，而且目录中的文件可以直接双击进行编辑或者预览。

使用不同的设备加速运行你的代码

在Colab中，你可以选择不同的设备运行你的代码，默认是CPU，还可以选择GPU或者TPU。

注意事项

1.所使用的虚拟机资源在会话关闭后自动释放，也就是说在虚拟机中下载的文件，编写的代码都会消失（Google Drive中的除外）。
2.挂载Google Drive之后，在Google Drive中的文件操作不是一般的慢，是相当的慢，比如解压，移动，复制等等。
3.资源有限，简单说就是：因为是免费的，不可能让你用那么爽（下面是官方解释）。

Kaggle

（个人感觉要比Colab要好很多，而且提供常见数据集，直接使用，不用下载。在国内就可以用，服务器性能还可以，就是文件上传下载很不方便，也不能在线编辑。更多内容下次再更）