HostArmada
Home程式語言相關PythonGoogle Colab Pro的實際使用與優缺點分析

Google Colab Pro的實際使用與優缺點分析

本篇文章僅是根據研究目的,並沒有任何的推銷意圖,因為Google Colab具有免費的版本,且Pro的版本似乎支援的國家不含台灣。但這陣子我們在跑A.I.的藝術創作,不得不說因為Google Colab Pro的幫助省了很多的成本與硬體與電力的消耗。

Google Colab是什麼?

Google Colab是為了讓人能夠低成本的使用機器學習裡面的GPU運算功能,在Google雲端服務裡面一項免費的研究性質工具。本身如同Python的Anaconda的Jupyter Notebook一樣,是可以即時一欄一欄的撰寫程式碼,執行以後根據結果再寫下一欄的程式碼。

只要在命令前面加上! 就可以運用pip install等指令設定好Python的環境與機器學習的環境,幾乎現在所有熱門的機器學習Framework都有支援,我們最近使用的是PyTorch。

在我們的主機跑的時候PyTorch常常會因為版本的問題要處理一陣子,比如Pyhton 3.9,3.10版跑不了PyTorch的GPU功能,這個就得用我們的IDE PyChram創造一個環境,其實每次Framework更新以後這個真的很麻煩。

但在Google Colab的時候卻沒有這樣的問題。

優點

優點第一個是不需要在自己的主機上跑,即使我們用的是不錯的顯卡RTX 3080 O10G,但跑的時候因為我們沒有在顯卡有水冷裝置,因此溫度都到攝氏六十度以上,然後跑程式的時候就不能用主機編寫別的,要更改程式碼有時候還要等跑到一個段落,才可以修改,然後重新跑一次。

雖然Google Colab Pro的GPU運算速度大概是 RTX 3080 的 2/5(先說我們直接就進入到Pro的付費版本),但現在在跑A.I.藝術的時候最不足的顯示卡記憶體可以平均分配到15.5~16GB,比我們的顯卡多5.5GB以上,然後只要網頁開著就可以持續執行長時間的運作12小時,等程式有一定完成度後,就要升級Pro+,可以支援關掉網頁以後24小時不停的跑。

這個部分除了溫度以外就是安全性與機器的折舊,說真的我們主機在的房間是老舊公寓沒有防火系統,很難保證跑了幾天的電腦會不會燒起來。再來一直跑全速的GPU運算,也會造成硬體的折舊,燒壞了如果超過3年保固就要花大錢了。

Pro我看Google寫的支援區域不包含台灣,我的Google Workspace是我們美國公司註冊的,但刷卡是Arthur(公司創辦人)自己的台灣國泰世華發行的世界卡,不知道是不是因為是世界卡所以卡可以過,還是因為Google Workspace本身就認定我們是美國帳號。如果有台灣人用台灣的Google帳號想要用Pro的申請過了請和我們留言一下,會更正這段,分享給更多人知道,資訊就是要共享才有價值。

缺點

說真的CPU實在是有夠慢,我們主機是AMD的12核心,Google Colab跑的安裝程式環境程式碼,至少要跑10分鐘,而在我們本機只要跑1~2分鐘。

不過這個平台本身的重點就不是CPU,會用到的機器學習演算法在CPU的部分也不是太多。

如果要說GPU的速度,其實Pro的方案我們也不是太滿意,因為如果用我們自己的主機跑500個過程,大概4.8個過程一秒,但Google GPU的有1.9個過程一秒。

可是考量到,如果我們要邊修改程式邊跑,那一天只有4個小時左右有人在顧電腦可以跑,但Google的雲端可以放下去12小時跑,一天開兩次就24小時。Pro+還可以變成一天一次不用開著電腦跑。

其實一天的整體效率是提升了。

最後的優點

這個平台可以讓Mac也來玩機器學習,我們有兩台Mac電腦,一台M1晶片的一台Intel配AMD顯卡加上外接顯卡也是AMD的。

AMD的顯卡幾乎是被機器學習拒絕在外面,除了Keras可以用Metal的方式跑,但效率也不如Cuda。

因此編輯運作都可以在Mac透過網路操作,更不用隨時都在主機前面,可以外出的時候也一邊修改程式,只要有帶著Macbook。

推薦使用免費的來玩玩看機器學習,先從簡單的數字圖形辨識開始,寫這個東西很有趣的。

RELATED ARTICLES

Leave A Reply

Please enter your comment!
Please enter your name here

- Advertisment -
Google search engine

Most Popular

Recent Comments