英偉達可能要發布專用於挖礦的GPU

新智元編譯

來源：Hackernoon

作者：Nick Bourdakos

編譯：劉小芹、克雷格

【新智元導讀】用CPU訓練機器學習模型太耗時但GPU又太貴？今天介紹一種免費使用谷歌GPU的方法。是的，永久免費。另一方面，面對免費GPU，英偉達並無畏懼，還有消息傳出，3月份GTC大會該公司會發布一條挖礦專線。

訓練模型，無疑是機器學習中最耗費時間和成本最高的部分。在GPU上訓練模型可以將訓練速度提升接近40倍，將2天的訓練時間減少到幾個小時。但是——提升速度通常意味著你要花錢。

Nick Bourdakos有幸遭遇了一款叫做Google Colab的偉大工具，能夠永久免費使用谷歌的GPU！只要有谷歌賬戶，無需登錄就能使用。先來看安裝方法介紹。

無限量12小時連續訪問，永久免費使用谷歌GPU

Colab相當於是Jupyter notebook的google docs。Colab的目標是作為一個教育和研究工具，在機器學習項目上進行合作。

最偉大的是，它是永久免費的。

Colab的使用不需要設置，甚至不需要登錄（只要已經登錄谷歌賬號）。

最棒的是，Colab提供無限量12小時連續訪問k80 GPU，這是非常強大的。（12小時候連接會被斷開，但你可以無限次使用。）

第一步是下載notebook：https://gist.github.com/bourdakos1/817611ebfe0d72a027ced9b072ec5c87 （或你選擇的其他notebook）

然後，轉到Google Colab，登錄你的Google賬號（或創建一個Google賬號）

選擇文件> 上傳筆記本...：

上傳你之前下載的notebook：

選擇 Runtime > Change runtime type:

然後選擇GPU:

現在你應該可以想平常一樣運行自己的notebook了。唯一的區別是最後一部分。如果你想通過瀏覽器下載你的模型或其他文件，可以使用它們的Python庫：

Colaboratory官方介紹：一種簡便而強大的數據分析工具

Colaboratory 是一種數據分析工具，可將文字、代碼和代碼輸出內容合併到一個協作文檔中。

藉助 Colaboratory，您只需點擊一下滑鼠，即可在瀏覽器中執行 TensorFlow 代碼。下面的示例展示了兩個矩陣相加的情況。

Colaboratory 包含很多已被廣泛使用的庫（例如 matplotlib），因而能夠簡化數據的可視化過程。

Colaboratory 可與 Google Cloud BigQuery 結合使用。

一分錢一分貨：英偉達可能要發布專用於挖礦的GPU

Nick Bourdakos用它來訓練一個物體檢測模型，它能在MacBook Pro上從每步執行15-20秒鐘，而當運行20000步時，它真的會加起來，每步執行一秒鐘左右。Bourdakos也在P100 GPU上運行了它，並且每步都將其降至0.4秒。

不過，正所謂一分錢一分貨，免費的東西不一定是最好的。

雖然使用Google Colab來安裝並且訓練機器學習模型能免費，但速度對於小數據來說還是有些慢。帖子底下有人評論說，使用谷歌的GPU比自己的筆記本電腦i7 CPU上的訓練慢得多，而且使用的數據集都是數字特徵，只有大約50個特徵。

另一方面，當你確實花了錢，能得到什麼速度和效果？

初創公司Rare Technologies最近發布了一個超大規模機器學習基準，聚焦GPU，從配置到訓練時間、精度、價格等各方面對比了AWS、谷歌雲、IBM等6家GPU硬體平台，這幾家在機器學習成本、易用性、穩定性、可擴展性和性能等方面的性能如下：

（基準發布時，微軟Azure官方還沒有回應，因此很遺憾沒有納入比較。）

從上面圖中可以看出，英偉達GTX1080顯卡性能優越，而在這個月，英偉達可能要發布針對挖礦專用的顯卡，代號可能是Turing（圖靈）。

這一消息最先被路透社報道，英偉達將在今年的GTC大會上推出兩款新的GPU系列，其中一款專註於遊戲（Ampere），另一款專註於挖礦（Turing）

不過，路透社沒有明說這是英偉達的新的架構，還是新產品線，我們推測應該是GeForce家族中的新成員。

我們可以大膽想像，2018年將是英偉達第一次為遊戲和計算推出兩種截然不同的圖形架構，而不是僅僅調整基於相同架構的晶元，這怎不能令人期待？

「圖靈」是有原因的，因為現在挖礦業務已經讓英偉達賺了不少錢。從2017年底開始，一直有傳言稱加密貨幣挖掘極大推動了英偉達GPU價格的增長，甚至一度讓多款GPU斷貨。

在英偉達2018財年第四季度財報分析師電話會上，首席財務官Colette Kress在分析師電話會議上說，加密貨幣挖掘（俗稱「挖礦」）讓公司在第四財季期間穩定銷售圖形處理器（GPU）。

「（數字）難以量化，但加密貨幣占收入的比例高於上一季度。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！