Utilisez un GPU gratuit dans votre environnement préféré

Je veux utiliser le GPU mais je ne peux pas l'acheter car c'est cher ...

Si vous étudiez l'apprentissage automatique et possédez un GPU, vous pouvez étudier à grande vitesse et étudier efficacement. Mais c'est trop cher à acheter ...

Il y a aussi un Google Colaboratory, mais je ne peux pas devenir un Jupyter Notebook et je veux travailler dans mon environnement habituel (un peu égoïste).

A cette époque, j'ai trouvé cet article!

Accédez à Colab avec ssh et utilisez le GPU

Obtenir le jeton d'authentification de ngrok

Accédez à ngrok et ouvrez LOGIN-> Authentication-> Your Auth token. Ensuite, le jeton d'authentification s'affiche sur l'écran ci-dessous, alors copiez-le.

Exécutez ngrok sur Google Colaboratry

Ouvrez Google Colab, ouvrez Runtime-> Runtime Type Settings et définissez l'accélérateur matériel sur GPU.

Collez le code suivant dans un bloc de code et exécutez-le. À ce stade, collez le jeton d'authentification que vous avez copié précédemment dans le `VOTRE JETON D'AUTH 'sur la 13e ligne.

# Install useful stuff
! apt install --yes ssh screen nano htop ranger git > /dev/null
# SSH setting
! echo "root:password" | chpasswd
! echo "PasswordAuthentication yes" > /etc/ssh/sshd_config
! echo "PermitUserEnvironment yes" >> /etc/ssh/sshd_config
! echo "PermitRootLogin yes" >> /etc/ssh/sshd_config
! service ssh restart > /dev/null
# Download ngrok
! wget -q -c -nc https://bin.equinox.io/c/4VmDzA7iaHb/ngrok-stable-linux-amd64.zip
! unzip -qq -n ngrok-stable-linux-amd64.zip
# Run ngrok
authtoken = "YOUR AUTHTOKEN"
get_ipython().system_raw('./ngrok authtoken $authtoken && ./ngrok tcp 22 &')
! sleep 3
# Get the address for SSH
import requests
from re import sub
r = requests.get('http://localhost:4040/api/tunnels')
str_ssh = r.json()['tunnels'][0]['public_url']
str_ssh = sub("tcp://", "", str_ssh)
str_ssh = sub(":", " -p ", str_ssh)
str_ssh = "ssh root@" + str_ssh
print(str_ssh)

Si l'exécution réussit, ce qui suit sera affiché.

WARNING: apt does not have a stable CLI interface. Use with caution in scripts.

ssh [email protected] -p XXXXX

Ouvrez-le avec VSCode et essayez-le

Essayez la connexion ssh à ssh [email protected] -p XXXXX en utilisant la fonction Remote-SSH de VS Code. On vous demandera un mot de passe, mais vous pouvez taper mot de passe spécifié dans! Echo" root: mot de passe "| chpasswd.

Faites main.py etc. de manière appropriée et vérifiez que le GPU peut être utilisé avec le code suivant

import torch

print(torch.cuda.is_available())
# True

J'ai pu l'utiliser!

Vérification

CIFAR10 Je l'ai vérifié avec la tâche d'apprendre. Le code que j'ai réellement utilisé est ici.

L'environnement suivant a été utilisé à des fins de comparaison et le nombre d'époques était de 5.

C'était paresseux que je ne puisse pas correspondre à la version de la torche.

Résultat (jamais correct car il n'est exécuté qu'une seule fois)

La vitesse est environ 20% plus rapide!

finalement

Colab a des environnements pré-construits tels que Pytorch et Keras, ce qui est également pratique!