遇到没GPU想训练模型的情况，CPU跑好久，可利用Kaggle的云GPU。
1、注册参考[1]，其中，kaggle官网： 地址
2、进入主页，可用creat创建nootbook，之后可按正常jupyter的操作进行
3、上传数据
可利用Kaggle上的线上的数据集，如果想利用自己的数据来训练模型，需从本地上传
（1）右上方的Add data
（2）上传自己的数据集
点击upload a dataset，dataset取名，然后选择browse files上传文件。最好将文件压缩之后上传，这样比较快。上传压缩包后kaggle会自动解压。
上传完成之后点击Create，正在处理你的数据集时，不要点击别的地方。
运行下述代码可查看数据路径[4]
import osfor dirname, _, filenames in os.walk('/kaggle/input'): for filename in filenames: print(os.path.join(dirname, filename))
4、编写代码，训练
（1）上传的文件无法在kaggle上进行修改，需要copy到输出文件夹中，
上传文件的进度如果始终为0，则需要科学上网上传数据。
上传的文件会放置在\kaggle\input下，这个目录只能读，而/kaggle/working是放输出文件的，可读可写，但如果不点右上角的Save version，输出文件并不会保存。
将数据集和代码都压缩成一个zip文件，上传，kaggle会自动将其解压缩，从kaggle读取文件名，会发现少了.zip后缀。在上传数据集时，会让人输入一个名字，作为上传文件的上一层目录，文件名中的中划线会被省略，但是下滑线会自动转为中划线。为方便读写，可将上传到到input下的文件传一份到working目录下，使用shutil包[5]原文链接
import shutilshutil.copytree(r'../input/trydata/image_classification-pytorch', r'./trydata')使用python的pyautogui包来模拟鼠标操作，就可以刮着了，参考[6]Python 实现按键精灵的功能
因此，为了简单，直接在在notebook中重新写代码
（2）配置运行环境
在settings里配置环境：
（3）运行
直接运行
（4）离线运行
参考：地址
使用GPU训练模型过程中，出现了提示是否继续操作，紧接着就断了连接，里面的产生的数据都消失了，Kaggle如果长时间不动，会自己断掉，判断离开
如果训练模型需要很久，就要后台跑了，并且要保存训练出来的模型。
点击右上角的Save Version,给version取个名，注意选择Save & Run All
save保存。
左下角的活动会出现各个活动文件
5、下载输出结果
把训练的权值文件下载下来，可以直接点击权值文件并下载。
也可下载整个文件夹，但下载整个文件夹会很慢，参考博客[2]：压缩下载
直接在cell中运行此代码即可[2]
import osimport zipfileimport datetimedef file2zip(packagePath, zipPath): ''' :param packagePath: 文件夹路径 :param zipPath: 压缩包路径 :return: ''' zip = zipfile.ZipFile(zipPath, 'w', zipfile.ZIP_DEFLATED) for path, dirNames, fileNames in os.walk(packagePath): fpath = path.replace(packagePath, '') for name in fileNames: fullName = os.path.join(path, name) name = fpath + '\\' + name zip.write(fullName, name) zip.close()if __name__ == "__main__": # 文件夹路径 packagePath = '/kaggle/working/' zipPath = '/kaggle/working/output.zip' if os.path.exists(zipPath): os.remove(zipPath) file2zip(packagePath, zipPath) print("打包完成") print(datetime.datetime.utcnow())下载即可
下载完，可清空kaggle/working下指定文件夹 直接在cell中运行下面代码[2]
import shutilimport osif __name__ == '__main__': path = '/kaggle/working/model' if os.path.exists(path): shutil.rmtree(path) print('删除完成') else: print('原本为空')=============================================
更多基本介绍，可参考[7]在Kaggle免费使用GPU训练自己的神经网络
参考文献
[1]使用kaggle GPU跑自己的模型_10000hours的博客
[2]kaggle下载output中的文件
[3]利用kaggle提供的免费GPU完成卫星图片识别任务
[4]使用Kaggle训练模型并下载自己训练的模型
[5]kaggle上传代码包并运行
[6]Python 实现按键精灵的功能
[7]在Kaggle免费使用GPU训练自己的神经网络