实例|新入坑的SageMaker Studio Lab和Colab、Kaggle相比，性能如何？( 三 )_ai|Lab|小时|Kaggle|Stu

奇怪的是， Colab Pro High RAM 实例的训练速度比普通 Colab Pro 实例慢，尽管前者有更多的 CPU 核和 CPU RAM 以及相同的 GPU 。然而，它们之间的差异并不大。

文章图片

表 3：RoBERTa 基准结果
XResNet18
对于 XResNet18 基准测试，了解绘制动作测量内容很关键。 XResNet18 基准测试是从数据加载器绘制 batch 之前到开始 batch 操作之间的时间。数据加载器的 prefetch_factor 设置为默认值 2 ，这意味着研究者尝试在训练循环调用它们之前提前加载两个 batch 。其中包括前向和后向传递、损失和优化器 step 和零梯度操作。
绘制动作越低，实例 CPU 就越能满足需求。
这里的结果符合预期，更多的 CPU 核意味着更少的绘制时间，并且在相同的核数下，较新的 CPU 的性能优于较旧的 CPU 。

文章图片

表 4：XResNet18 基准结果
Colab Tesla K80
由于免费 Colab 实例的 Tesla K80 的 RAM 比其他 GPU 少四分之一，因此我将混合精度 batch 大小也减少了四分之一。此外，我没有运行任何单精度测试。
我运行了两个 epoch 的 Imagenette 基准测试，并将 IMDB 数据集从 20% 的样本减少到 10% 的样本，并将训练长度减少到一个 epoch 。
Colab K80 在半数 Imagenette epoch 上进行训练花费的时间大约是 Colab Pro 实例的两倍。与 Colab P100 相比，在 Colab K80 上进行等效的 IMDB 训练时间要长 3 倍。如果可能的话，应避免使用 K80 对除小型模型以外的任何其他模型进行训练。

文章图片

XResNet & RoBERTa Colab K80 基准结果
总的来说，我认为 SageMaker Studio Lab 是免费计算资源领域一个强有力的竞争对手。特别是对于一直在 K80 上使用免费 Colab 和训练模型的用户来说， SageMaker Studio Lab 将给你全面的升级体验。
SageMaker Studio Lab 可以作为机器学习工作流程的有用补充和 Kaggle 或 Colab Pro 的增强版。混合精度的训练速度比 Kaggle 或 Colab Pro 快了 17.4% 到 32.1% ，这意味着迭代时的等待时间更少。
此外，更快的训练速度和持久存储让 SageMaker Studio Lab 对于深度学习初学者也非常友好，因为这意味着环境只需要设置一次，让学生能够专注于学习而不是持续的包管理。
【实例|新入坑的SageMaker Studio Lab和Colab、Kaggle相比，性能如何？】原文链接：https://benjaminwarner.dev/2021/12/08/testing-amazon-sagemaker-studio-lab

实例|新入坑的SageMaker Studio Lab和Colab、Kaggle相比，性能如何？( 三 )

推荐阅读

如何找寻自我

缝纫机调线器怎么安装平车方法如何

强组词强字组词

火笋鸡翅的做法（增肥食谱）

闺女生日快乐祝福语朋友圈

LV请来潮牌设计师做艺术总监，看中的是啥

老虎豆怎么做好吃老虎豆图片怎样弄来吃

暖气有流水声是什么原因

皮球是什么体

手机怎样开通QQ空间

男生发mua说明 mua是什么意思

手指盖凹陷怎么回事

对自己的生活失去掌控咋调整

小米10s怎么没有月亮模式

我想找个偏僻的地方搞养殖！有没有推荐的地方？

南京养老金认证上门服务怎么申请南京市养老金认证

如何评价猪场阉割猪？

最后一个字是豹的成语

泰山散酒怎么样

猫发情的声音(猫发情的叫声)