天池和Kaggle:Notebook使用对比
天池竞赛平台作为阿里云旗下的重要竞赛社区,每年都会举办上百场数据竞赛。数据竞赛不仅可以汇集参赛选手,同时也可以沉淀具体的学习内容。
拿Kaggle举例,其魅力之处就在于Kaggle Notebook有很多丰富的学习资料,可以供学习者学习和使用。
从2019年开始天池逐步推出DSW (Data Science Workshop)运行环境,可供选手可以在云平台完成编码和学习。据笔者了解,天池DSW是国内首个支持GPU和CPU的学习环境,非常值得使用的。
本文从在线学习环境的角度(即在线Notebook)将天池与Kaggle进行对比:
Notebook与平台生态
Notebook使用体验对比
Notebook与平台生态
首先我们从Notebook与竞赛平台生态进行分析,在天池和Kaggle中在线Nobteook都是非常重要的一个环节。开源在竞赛中随处可见,从竞赛参赛方式、赛题数据集到赛题在线Notebook,都是各种的众包参与形式,且内容都可以多人一起贡献。
在上述元素中,Notebook是特别重要的一个环节。
天池Notebook(DSW):https://tianchi.aliyun.com/notebook-ai/
Kaggle Notebook:https://www.kaggle.com/notebooks
Notebook作为在线运行环境:
提供一个配置好环境的运行的环境,所有参赛选手免去在本地配置环境的环节;
可以作为代码和思路的分享,比如比赛分析过程和解决方案的展示;
可以作为比赛比赛提交的入口,如比赛最终提交可以从Notebook提交;
可以提供系列的学习资源和实践教材,可以作为在线教材;
Notebook作为在线展示方式:
具备有版本存储的功能,可以存储历史运行的代码;
具备有渲染Markdown、图片和公式的功能,展示方式更加灵活;
具备有与数据集和比赛交互的过程;
Notebook使用体验
https://www.kaggle.com/code
https://dsw-dev.data.aliyun.com/
Notebook对比
天池DSW | Kaggle Notebook | |
---|---|---|
界面 | Juypter Lab | 自定义网页 |
使用时间 |
总共使用时间不限制 CPU和GPU单次链接8小时 每次链接可以运行多个Notebook |
CPU时间不限,GPU每周35小时 可以同时运行多个CPU Notebook 只能运行一个GPU Notebook |
文件目录 | 工作目录与文件目录混合 | 工作目录与数据文件分开 |
文件系统 | 多个Notebook共享 | 单个Notebook独占 |
Markdown目录 | 支持 | 不支持 |
数据集 | 支持挂载数据集 | 支持挂载数据集 |
内存 | 4G,多个Notebook共享 | 16G,单个Notebook独占 |
显存 | 16G,多个Notebook共享 | 11G,单个一个Notebook独占 |
联网 |
CPU模型可以联网 GPU模型不可以联网 |
CPU和GPU都可以联网 |
稳定性 |
CPU较为稳定 GPU稳定性一般 |
较为稳定 |
Shell | 支持 | 不支持 |
上传文件 | 支持 | 不支持,可在Dataset页面上传 |
发布 | 支持发布到天池论坛 | 支持发布到Kaggle论坛 |
版本 | 支持版本管理,但不完善 | 支持版本管理,比较完善 |
Copy & Fork | 支持 | 支持 |
评论 | 支持 | 支持 |
从上表对比可知,天池DSW与Kaggle Notebook环境虽然整体都为在线Notebook,但在使用上存在一定的差异性:
资源分配:天池DSW环境可以同时运行多个Notebook,且多个Notebook资源共享;Kaggle Notebook每个资源独立,且文件各自不共享;
使用方式:天池DSW环境与Juypter Lab比较类似,而Kaggle Notebook是固定好输入情况下的代码运行环境;
从使用角度天池DSW比较灵活强大,而Kaggle Notebook每个功能比较单一。所以如果大家在国内,建议使用天池DSW。
往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
本站qq群851320808,加入微信群请扫码:
天池和Kaggle:Notebook使用对比相关推荐
- Stable Diffusion攻略集(Stable Diffusion官方文档、kaggle notebook、webui资源帖)
文章目录 第一部分 一. Features:Textual Inversion(文本反转) 1.1 Textual Inversion 简介 1.1.1 摘要 1.1.2 算法 1.1.3 模型效果 ...
- kaggle notebook中免密码进行push
下面的都是都是kaggle notebook中运行的. 运行下面的代码: !rm -r /kaggle/working/RSNA_MODEL !git clone https://github.com ...
- kaggle notebook中使用git lfs
#爲kaggle notebook配置git-lfs !curl -s https://packagecloud.io/install/repositories/github/git-lfs/scri ...
- kaggle notebook在git push时附带用户民和密码(一行搞定,全部写在一行中)
因为kaggle notebook是非交互式的,显然不能git push后再输入用户名和密码. 所以下面是直接在git push中直接填写密码和用户名. !cd /kaggle/working/lig ...
- kaggle notebook里面如何使用一个完整的项目和py脚本
网上查了一圈都没找到类似的教程,但是自己摸索了一下,发现很简单: 1 利用github,将自己想要在kaggle notebook里添加的项目上传. 具体的命令需要用到git的知识. 推荐看这篇博客: ...
- kaggle Notebook Threw Exception问题解决
今天在提交kaggle内容的时候,发现了一个这样的报错 Notebook Threw Exception: While rerunning your code, your notebook hit a ...
- Kaggle添加竞赛数据集到自己的kaggle notebook
打比赛的时候数据怎么快速加载到自己的notebook里面呢? 首先进入自己要加载数据的notebook,从kaggle左侧边栏进入code,再选择your work,这里会展示所有你创建的notebo ...
- 笔记本电脑安装cuda10.2并使用pycuda、xgboost测试GPU计算效率(附Colab, Kaggle, BaiduAIStudio性能测试对比)
硬件配置: 机型:机械革命s1,2018年 CPU:i7-8550U GPU:Nvidia Geforce MX150(满血版),2G显存 内存:单条16g (自己更换的) 软件信息: CUDA:v1 ...
- Kaggle知识点:对比学习基础
对比表示学习的目标是学习一个嵌入空间,其中相似的样本对彼此靠近,而不同的样本对相距很远.对比学习可以应用于有监督和无监督设置.在处理无监督数据时,对比学习是自监督学习中最强大的方法之一. 对比学习损失 ...
最新文章
- 反射效果,自己公司内部编码,在text上输入内容后,通过输入内容查询数据库,弹出下拉框
- oracle误删表空间 无法关闭,oracle 误删表空间文件启动不了数据库的解决办法
- python爬百度翻译-用python实现百度翻译
- MYSQL的地理信息数据库_国内为什么没有开源地理信息数据库?
- adguard拦截规则存在哪里_AdGuard 过滤规则分享
- phpstorm知识点
- TOTP 介绍及基于 C# 的简单实现
- 丁香医生APP被App Store拒绝更新:违反苹果内购系统规定
- 阿克苏计算机考试成绩查询,阿克苏高考成绩查询系统2021
- 【故障分析】基于matlab轴承故障分析(时频图+功率谱)【含Matlab源码 922期】
- C语言实现函数调用的三种方法
- recv函数返回值总结
- 阿里软件测试工程师推荐|自动化测试——HTTP之URL
- python IRR公式使用——定投基金收益率计算
- Linux 系统调用 fork wait exec
- 顾沛《抽象代数》2.0环、子环和商环习题解答
- 2020-12-22 ACM集训一(二维数组与结构体)
- word 自己写的发给他人显示批注 并且字体颜色也有变化
- 藤子不二雄博物馆之行
- 欧拉角速度与角速度的关系推导——欧拉运动方程
热门文章
- The Longest Increasing Subsequence (LIS)
- XslTransform.Transform方法将结果输出到字符串
- 百炼1001: Exponentiation 解题
- MySQL-数据库增删改查
- JavaScriptjQuery.返回多个值的函数
- day3.网络基础之网络协议
- springmvc中@PathVariable和@RequestParam的区别
- Dom4J两种节点添加方法比较
- STL(一)Containers
- 《ASCE1885的信息安全》の使用Crypto++的MD5算法对字符串进行哈希