3 پردازنده گرافیکی (GPU) رایگان برای آموزش مدلهای یادگیری عمیق
پردازندههای گرافیکی (GPU) بخش ضروری آموزش مدلهای یادگیری عمیق هستند و متاسفانه قیمت تقریبا بالایی دارن، مخصوصا ما که داخل ایران زندگی میکنیم و هزار ماشاالله قیمت دلار… که بزار نگم!
در این مقاله، ما به بررسی برخی از پلتفرمهایی میپردازیم که GPUهای رایگان را بدون محدودیت دورههای آزمایشی رایگان، اعتبارات رایگان محدود یا نیاز به کارت اعتباری در هنگام ثبتنام ارائه میکنند.
3 پلتفرم مورد بررسی ما Gradient، Google Colab و Kaggle هستند. در اینجا خلاصه ای سریع از برخی از مشخصات سخت افزاری و ویژگی هایی که هر یک از این سه پلتفرم ارائه می دهند، آورده ایم
Maximum Execution Time Per Session
: حداکثر زمان اجرای مداوم
Idle Time
: حداکثر زمانی که می توانید نوت بوک خود را قبل از خاموش شدن در حالت بیکار و بدون استفاده رها کنید
*
: 15 گیگابایت فضای ذخیرهسازی رایگان از Google Drive
گوگل کولب (Google Colab)
Google Collaboratory که توسط گوگل راه اندازی شده است، یک Jupyter Notebook IDE با دسترسی به GPU و TPU رایگان است. تنها چیزی که برای شروع نیاز دارید یک حساب Google است. Google Colab به شما این امکان را می دهد که Google Drive خود را به عنوان یک پوشه ذخیره سازی برای پروژه های Colab به گوگل کولب وصل کنید، این کار خواندن و ذخیره داده ها را آسان می کند. و شما همچنین می توانید Google Drive را به صورت رایگان دریافت کنید که با 15 گیگابایت فضای ذخیره سازی همراه است.
نقاط قوت گوگل کولب
- ادغام با Google Drive برای ذخیره سازی داده ها
- بدون محدودیت استفاده
- به نوت بوک های خصوصی و عمومی اجازه می دهد
- زمان اجرای طولانی 12 ساعت
نقاط منفی گوگل کولب
- زمان بیکاری کوتاه ~ 30 دقیقه
- قبل از هر جلسه باید Google Drive را مجدداً نصب و احراز هویت کنید
در تصویر زیر مقایسه سه نسخه گوگل کولب رایگان، پرو و پرو پلاس آورده شده
شروع کار با گوگل کولب
خب برای شروع کافیه وارد لینک colab.research.google.com بشویم، (خداروشکر این سرویس در ایران فعلا مشکل نداره و بر خلاف خیلی سایت ها نیاز به استفاده از فیلتر شکن نداریم🤲) بعد از بالا آمدن سایت، احتمالا تصویر زیر را خواهید دید👇
برای استفاده از گوگل کولب فقط نیاز به یک اکانت جیمیل داریم، که خداروشکر همه از داشتن این نعمت بی نصیب نیستیم
بنابراین، مطابق شکل پایین، روی گزینه Sign in کلیک کنید تا بعد از وارد کردن یوزر و پسورد جیمیلتان، گوگل کولب به جیمیل شما متصل شود.
در گام بعدی، بعد از اینکه گوگل کولب به جیمیل متصل شد، با محیطی شبیه تصویر زیر مواجه خواهید شد. یک پنجره pop-up با یکسری نوتبوک آماده وجود دارد، که میتوانید از این مثال های خود گوگل کولب استفاده کنید یا اینکه خودمان یک نوتبوک جدید بسازیم، روی گزینه NEW NOTEBOOK کلیک کنید. مطابق تصویر زیر
حالا محیطی مانند شکل زیر بالا میآید و گوگل کولب آماده است که اولین کدتان را بنویسید:
Gradient
Gradient Notebooks یک Jupyter IDE مبتنی بر وب با پردازندههای گرافیکی رایگان است. Gradient به عنوان بخشی از محصول خود، نوتبوکهای اجتماعی را ارائه میکند که نوتبوکهای عمومی و قابل اشتراکگذاری Jupyter هستند که روی پردازندههای گرافیکی و پردازندههای ابری رایگان اجرا میشوند.
و دارای 4 پلن free, pro, Growth, Enterprise است
Gradient دارای سطوح قیمت گذاری متفاوتی است که سطوح مختلف انواع CPU / GPU را امکان پذیر می کند
نقاط مثبت Gradient
شروع کار با Gradient
کافیه وارد لینک gradient.paperspace.com/free-gpu بشوید، و یک اکانت مجانی بسازید، برای اینکار از سمت راست روی گزینه ی sign up free کلید کنید
نکته: بر خلاف سایت گوگل کولب، سایت Gradient با ای پی های ایران مشکل داره، و شما باید از فیلترشکن استفاده کنید😢 (یک ایرانی قبل اینکه به اینترنت وصل بشه باید به فیلتر شکن وصل بشه🤕)
مرحله بعدی شما باید با روش هایی که سایت داره ثبت نام کنید، که راحت ترین حالت استفاده مستقیم از اکانت گوگل خودتان است
بعد اینکه با اکانت جیمیل خود ثبت نام انجام دادین سایت Gradient از شما میخواهد با وارد کردن شماره تماس، حساب خود را تایید کنید، که خوشبختانه اینجا با ایران مشکل نداره، و ایران هم جز گزینه ها هست😊
بعد وارد کردن شمراه موبایل برای شما یک کد ارسال میشود که فقط کافیه این کد را وارد کنید.
بسیارهم عالی، اکانت شما در سایت Gradient ساخته شد و از الان به بعد سایت Gradient از شما اطلاعات تکمیلی تری میگیرد که فقط کافیه مرحله به مرحله جلو برید
مطابق شکل زیر بر روی گزینه Gradient کلید کنید
اینجا از شما یه سری اطلاعات میگیرد
در مرحله بعد فقط کافیه گزینه نوت بوک (notebooks) را انتخاب کنید
و بعد گزینه ها متنوع و جالبی دارد که شما میتوانید هر کدام از آن ها را انتخاب کنید
حتی میتوانید نوع CPU و GPU خود را نیز انتخاب کنید، که انتخاب ما اینجا گزینه های رایگان می باشد
در آخر مانند تصویر زیر فقط کافیه روی گزینه ی start notebook کلید کنید
بعد از کلیک بر روی start notebook با تصویری مشابه تصویر زیر روبرو خواهید شد که نوت بوک شما تقریبا اماده است
که حتی میتوانید jupyter notebook را به صورت مستقیم راه اندازی کنید، فقط کافیه روی گزینه jupyter notebook (در شکل زیر با فلش قرمز رنگ مشخص شده) کلید کنید تا برایتان باز شود
بعد باز شدن jupyter notebook شما میتوانید نوت بوک خود را ایجاد کنید و شروع به برنامه نویسی کنید
کگل (Kaggle)
Kaggle یک فضای جامعه علم داده است که به دلیل میزبانی مسابقات یادگیری ماشین و یادگیری عمیق شناخته شده است. نوت بوک های Kaggle، که نوت بوک های Jupyter قابل اشتراک گذاری هستند و توسط GPU و CPU رایگان پشتیبانی می شوند.
Kaggle سهمیه GPU پویا حداقل 30 ساعت را ارائه می دهد که هر شنبه نیمه شب به وقت UTC بازنشانی می شود. من معمولاً بین 30 تا 41 ساعت سهمیه GPU در هفته دریافت می کنم. یکی از چیزهایی که من در مورد نوت بوک های Kaggle دوست دارم حالت commit آن است که به کاربران اجازه می دهد کل نوت بوک را در پس زمینه اجرا کنند. این بدان معنی است که ما مجبور نیستیم مرورگر را در حین اجرای کد باز نگه داریم. همچنین Kaggle به سادگی با ذخیره سریع یا اجرای نوت بوک در حالت commit، نسخهسازی نوتبوک را امکانپذیر میکند. این به ما امکان می دهد نسخه های قبلی نوت بوک را مشاهده کرده و پیشرفت خود را پیگیری کنیم.
نقاط قوت کگل
- حالت Commit کد را قادر میسازد تا در پسزمینه اجرا شود
- به سایر کاربران اجازه دهید در مورد نوت بوک نظر دهند
- 16 گیگابایت حافظه GPU، بالاترین در بین 3 ارائه دهنده
- به دفترچه یادداشت عمومی و خصوصی اجازه دهید
- دسترسی به مجموعه داده های Kaggle
- نسخه نوت بوک
نقاط منفی کگل
- سهمیه هفتگی GPU پویا 30 تا 40 ساعت
- زمان بیکار کوتاه 20 دقیقه در حالت GPU تعاملی
شروع کار با Kaggle
از طریق لینک www.kaggle.com/code وارد سایت کگل میشویم
نکته: اینجا هم نیاز به فیلترشکن داریم🙄
مانند تصویر زیر روی گزینه new notebook کلیک میکنیم👇
و محیط ما آماده کد نویسی است
خلاصه
ما 3 پلتفرم مختلف را بررسی کردیم که نوت بوک Jupyter را مجهز به GPU به صورت رایگان ارائه می دهند. این پلتفرمها به دلیل عدم نیاز به کارت اعتباری برای ثبت نام، محدودیت اعتبار رایگان یا دوره آزمایشی انتخاب شدند. که هر کدام معایب و مزایا خاص خودشونو دارن و شما میتوانید هر کدوم از این سه پلتفرم را انتخاب کنید
2 دیدگاه
به گفتگوی ما بپیوندید و دیدگاه خود را با ما در میان بگذارید.
سلام وقت بخیر من شنیده بودم که گوگل کولب وقتی از GPU رایگانش استفاده میکنیم بعد یه مدت جواب نمیده دیگه و یه حدی تعیین شده میشه بدون این حد چجوری و اینکه ماهانه اس یا به طور کلی و چقدره ؟
سلام وقت بخیر
تو گوگل کولب اگه زیادی از gpu استفاده کنید بله محدودتون میکنه، و اینم به خاطر سیاست استفاده عادلانه این شرکت برای استفاده همه هستش، و هیچ تضمینی نیست چقد و به چه شکل، اگه طی چند روز پشت سر هم از gpu استفاده کنید کامل محدود میشید و وسط کار قطع میکنه، و باز تاکید میکنم هیچ قاعده و تایم مشخصی نمیشه واسش گذاشت