详细内容或原文请订阅后点击阅览
用于长时间运行任务的 Google Colab 的 5 种替代方案
与 Colab 相比，这五个选项使长时间运行的作业变得更容易、更快、更轻松。
来源:KDnuggets简介
我确信，如果您像我一样缺乏 GPU，您一定会使用 Google Colab 进行实验。它可以访问免费的 GPU，并具有非常友好的 Jupyter 界面，而且无需任何设置，这使其成为初始实验的绝佳选择。但我们不能否认这些限制。会话在一段时间不活动后会断开连接，通常闲置 90 分钟或最长 12 到 24 小时，即使在付费层上也是如此。有时运行时会意外重置，并且最大执行窗口也有限制。这些成为主要瓶颈，特别是在使用大型语言模型 (LLM) 时，您可能需要能够保持数天运行并提供一定程度的持久性的基础设施。
因此，在本文中，我将向您介绍 Google Colab 的五种实用替代方案，它们可提供更稳定的运行时。这些平台为您的数据科学项目提供更少的中断和更强大的环境。
1. Kaggle 笔记本
Kaggle Notebooks 就像 Colab 的兄弟姐妹，但它们感觉比临时探索更加结构化和可预测。它们让您可以免费访问 GPU 和张量处理单元 (TPU)，并具有每周配额（例如，大约 30 小时的 GPU 时间和 20 小时的 TPU 时间），并且每个会话在停止之前可以运行几个小时。您还可以获得相当多的存储空间，并且环境中已经安装了大多数常见的数据科学库，因此您可以立即开始编码，而无需进行太多设置。由于 Kaggle 与其公共数据集和竞赛工作流程紧密集成，因此它特别适合对模型进行基准测试、运行可重复的实验以及参与需要一致的运行时间和版本化笔记本的挑战。