假期里做目标检测，但受硬件所限，尝试了一下 Kaggle 这个平台。
Kaggle 是一个数据科学网站，里面有丰富的题目和比赛可供挑战，这才是它的主要功能。不过我只是来白嫖 GPU 的
步骤
- 打开Kaggle官网并进行注册，注意：如果无法注册，可能是因为有一个人机验证需要翻墙使用 Google 服务，用梯子或者简单一点使用 Chrome 插件谷歌访问助手
- 登录之后点导航栏 Notebooks，点击 New Notebook 新建工程，之后可以选择具体设置。
- Notebook 是 Jupiter 模式，Script是普通的 py 文件模式。
- 在详细设置里可以选择 Google 云同步以及是否使用加速器，可以选择 None、GPU 以及 TPU。也可以创建后再进行设置。如果要使用 GPU，首先要绑定手机号，手机号前要有+86加一个空格这个前缀，要不然可能会提示格式错误。注意：这里也可能有一个人机验证需要翻墙使用 Google 服务，同上
- 进入主界面
- 要运行一个项目，我们首先将所有资源上传。右上角 Add Data。
- 建议分类打包压缩，平台会自动进行解压
- 建议将项目分为数据集、模型配置和训练代码三部分分别上传，便于修改
- 上传的文件为只读，不可修改，只能删掉重新上传。
- 拖拽或选择文件后文件开始上传，蓝色进度条背景灰色，如果进度条不动以及任务管理器里没有看到明显网络活动，继续使用谷歌访问助手
- 点击 Your Datasets 可以查看自己上传的数据集，点击 add 添加到项目中
- 点击 Run 按钮或者 Commit 按钮运行程序
Kaggle 运行 Keras
(2020.04)
- 运行按钮运行时，不打印
use GPU_0之类的信息。训练过程的进度条等会显示。 - Commit 模式运行时，和本地运行差不多，各类信息都会打印。
Kaggle 运行 Mxnet
(2020.05)
最近用 Kaggle 跑 Mxnet/gluoncv 的 YOLOv3 训练代码，模型使用YOLOv3-mobilenet0.25，voc格式数据集图像共 8000 张左右。
- batchsize=4下，num_worker 最多设置为1，否则不一定什么时候就会报内存不够用请减小 num_worker 这种错。num_worker=1 时，一个epoch要跑1800s左右，但在我这个笔记本上跑，i5-7200 的 CPU，12G 的内存，GeForce 940MX 的显卡，开 num_worker=2，一个epoch只需要1300s左右。。。不太清楚 num_worker 的作用竟如此强大？
注意
配置
- GPU：NVIDIA Tesla P100，16G显存
- CPU：4个核心，13G内存，所以性能监测面板上 CPU 使用率最高是 400%
- TPU v3-8，没用过不太了解
路径
/kaggle/input/所有上传的数据集会存放于此，比如某一个叫 abc 的数据集里面有一个 ttt.txt 文件，则路径为/kaggle/input/abc/ttt.txt，点击文件会显示它的路径/kaggle/working/可读可写，如果需要生成文件只能放在这个目录下，默认位置
注意：不同的压缩方式可能出现麻烦的后果，比如 folder 文件夹里有60张图片 pic_i.jpg，如果右键 folder 压缩为 folder.zip，在 Kaggle 里解压出来每张照片的路径是 folder/folder/pic_i.jpg，如果全选60张照片压缩为 folder.zip，解压后便为正确的路径。 好像现在Kaggle的路径正常了
- 如果需要使用在 input/ 下的代码文件，需要在 import 之前使用
sys.path.append()将文件所在目录添加进去。
使用状态
- 目前来看，Kaggle 每周提供30个小时的免费 GPU 使用时长，关闭 GPU 选项只是用 CPU 没有限制。在 Commit 模式下，使用GPU 的代码最多只能连续运行9个小时，超过9个小时强行终止。其他情况没有尝试过。
- Kaggle 的项目分为运行和提交两种状态
- 点击左上角即可运行，生成文件随时可以下载，但关闭网页就会终止运行，生成的文件将被清空。
- 点击右上角的 Commit 进行提交，提交后的项目将在 Kaggle 后台运行，但在运行过程中只能查看log，不能中途下载生成的文件。生成的文件将会保存在 Kaggle 上。
其他
- Kaggle 上不会输出 logging 的信息。
- （2020.04）最近发现 Kaggle 在早晨和上午访问流畅，文件下载速度正常，但到了下午文件的下载速度就成了十分感人的10KB/s甚至网络错误，谷歌访问助手无效，加梯子后速度正常。晚上未知。所以如果不方便用梯子的话，尽量还是要使用 Commit 功能，将生成的文件保存下来，等网速快的时候再下载。
- 训练生成的文件将放在指定位置，可以点击下载，点击之后可能没有任何反应，其实是在后台下载，任务管理器中可以看到网络活动，最后浏览器会直接显示下载完成的。
- 无论是 Notebook 模式还是 Script 模式，File 菜单里的 Upload Script 只接受*.ipynb文件
- 在代码没问题的情况下，如果在 Run 模式开启了 GPU 加速，但监测面板内 GPU 占用为0，CPU 占用比较高，没关系，只是偶尔显示不出来而已。因为如果关掉加速你会发现 CPU 占用率立马到380+%。
- Kaggle上 tensorflow 为 tf 2.0+，注意修改2.0中已经删掉的模块和函数，TensorFlow 2.0 下的 Keras 有一个 Tensorboard 的 bug 导致报错，不知道修复了没有。
- Kaggle Documentation 有更多的说明...