训练模型，无疑是机器学习中最耗费时间和成本最高的部分。在GPU上训练模型可以将训练速度提升接近40倍，将2天的训练时间减少到几个小时。但是——提升速度通常意味着你要花钱。
Nick Bourdakos有幸遭遇了一款叫做Google Colab的伟大工具，能够永久免费使用谷歌的GPU！只要有谷歌账户，无需登录就能使用。先来看安装方法介绍。
无限量12小时连续访问，永久免费使用谷歌GPU
Colab相当于是Jupyter notebook的google docs。Colab的目标是作为一个教育和研究工具，在机器学习项目上进行合作。
最伟大的是，它是永久免费的。
Colab的使用不需要设置，甚至不需要登录（只要已经登录谷歌账号）。
最棒的是，Colab提供无限量12小时连续访问k80 GPU，这是非常强大的。（12小时候连接会被断开，但你可以无限次使用。）
第一步是下载notebook：https://gist.github.com/bourdakos1/817611ebfe0d72a027ced9b072ec5c87 （或你选择的其他notebook）
然后，转到Google Colab，登录你的Google账号（或创建一个Google账号）
选择文件> 上传笔记本...：
上传你之前下载的notebook：
选择 Runtime > Change runtime type:
然后选择GPU:
现在你应该可以想平常一样运行自己的notebook了。唯一的区别是最后一部分。如果你想通过浏览器下载你的模型或其他文件，可以使用它们的Python库：
Colaboratory官方介绍：一种简便而强大的数据分析工具
Colaboratory 是一种数据分析工具，可将文字、代码和代码输出内容合并到一个协作文档中。
借助 Colaboratory，您只需点击一下鼠标，即可在浏览器中执行 TensorFlow 代码。下面的示例展示了两个矩阵相加的情况。
Colaboratory 包含很多已被广泛使用的库（例如 matplotlib），因而能够简化数据的可视化过程。
Colaboratory 可与 Google Cloud BigQuery 结合使用。
一分钱一分货：英伟达可能要发布专用于挖矿的GPU
Nick Bourdakos用它来训练一个物体检测模型，它能在MacBook Pro上从每步执行15-20秒钟，而当运行20000步时，它真的会加起来，每步执行一秒钟左右。Bourdakos也在P100 GPU上运行了它，并且每步都将其降至0.4秒。
不过，正所谓一分钱一分货，免费的东西不一定是最好的。
虽然使用Google Colab来安装并且训练机器学习模型能免费，但速度对于小数据来说还是有些慢。帖子底下有人评论说，使用谷歌的GPU比自己的笔记本电脑i7 CPU上的训练慢得多，而且使用的数据集都是数字特征，只有大约50个特征。
另一方面，当你确实花了钱，能得到什么速度和效果？
初创公司Rare Technologies最近发布了一个超大规模机器学习基准，聚焦GPU，从配置到训练时间、精度、价格等各方面对比了AWS、谷歌云、IBM等6家GPU硬件平台，这几家在机器学习成本、易用性、稳定性、可扩展性和性能等方面的性能如下：
从上面图中可以看出，英伟达GTX1080显卡性能优越，而在这个月，英伟达可能要发布针对挖矿专用的显卡，代号可能是Turing（图灵）。
这一消息最先被路透社报道，英伟达将在今年的GTC大会上推出两款新的GPU系列，其中一款专注于游戏（Ampere），另一款专注于挖矿（Turing）
不过，路透社没有明说这是英伟达的新的架构，还是新产品线，我们推测应该是GeForce家族中的新成员。
我们可以大胆想象，2018年将是英伟达第一次为游戏和计算推出两种截然不同的图形架构，而不是仅仅调整基于相同架构的芯片，这怎不能令人期待？
“图灵”是有原因的，因为现在挖矿业务已经让英伟达赚了不少钱。从2017年底开始，一直有传言称加密货币挖掘极大推动了英伟达GPU价格的增长，甚至一度让多款GPU断货。
在英伟达2018财年第四季度财报分析师电话会上，首席财务官Colette Kress在分析师电话会议上说，加密货币挖掘（俗称“挖矿”）让公司在第四财季期间稳定销售图形处理器（GPU）。
“（数字）难以量化，但加密货币占收入的比例高于上一季度。”
