[PYTHON] P100-PCIE-16GB a été ajouté au GPU de Google Colab avant que je le sache
※※ Cet article date du 24 novembre 2019. En pensant que tout le monde le sait peut-être déjà. .. .. ..
À propos du GPU gacha de Google colab
Je pense qu'il est bien connu qu'il existe un GPU gacha. Voir ci-dessous pour plus de détails. https://qiita.com/koshian2/items/d33edc963ed6cfcad77e
Déclencheur
Je pensais que c'était plus rapide que d'habitude, et quand j'ai vérifié le GPU, P100 a été ajouté comme suit.
Comparaison de la vitesse du GPU
Immédiatement, j'ai comparé la vitesse d'entraînement. Le code utilisé est le code pix2pix que j'ai récupéré auprès de Google Seedbank. https://research.google.com/seedbank/seed/pixpix_with_eager_execution
Cliquez ici pour Seedbank. https://qiita.com/tomo_makes/items/e5a309687f5054ba471f
Voici le résultat de la comparaison de vitesse avec une époque définie sur 10.
| GPU | Temps de calcul/sec |
|---|---|
| K80 | 723.3 |
| T4 | 411.4 |
| P100 | 250.1 |
C'est vraiment rapide. Cela dépend de plus en plus de Colab. .. ..
Résultat GPU gacha (30 fois)
Au fait, pour voir comment il est distribué J'ai répété "Toutes les réinitialisations d'exécution" -> "nvidia-smi" environ 30 fois.
| GPU | Nombre de fois | probabilité/% |
|---|---|---|
| K80 | 12 | 40 |
| T4 | 4 | 13.3 |
| P100 | 14 | 46.7 |
Avec ce sentiment, il semble être à peu près la même probabilité que K80.
- S'il est utilisé trop fréquemment, seul K80 sera attribué, donc Je pense que ce résultat est pour référence seulement.
finalement
Le nombre de gachas est de 30 fois, mais en fait je pensais que je le ferais environ 100 fois.
Cependant, sur le chemin, j'ai eu le refus d'allocation suivant. .. ..
J'étais curieux de savoir ce que c'était, mais le résultat désastreux était que je ne pouvais plus continuer ce jour-là. Tout le monde, le GPU gacha est modéré! Bonne vie à Google Colab!
Recommended Posts