如何使用kaggle免费30个小时的TPU

最新推荐文章于 2025-09-01 15:54:42 发布

原创

最新推荐文章于 2025-09-01 15:54:42 发布 · 7.1k 阅读

20 ·

CC 4.0 BY-SA版权

该博客围绕TPU花卉识别展开，介绍了使用步骤，包括比赛官网及notebook使用教程，还说明了在页面点create的操作。详细阐述了TPU花卉识别过程，如导入包、检测TPU等。此外，给出了FC Ensemble External Data (EffNet+DenseNet)相关的高分代码。

文章目录

1.说明

觊觎kaggle上TPU已久，今天正好试一下。。。

2.使用步骤

比赛官网
notebook使用教程

然后下个页面直接点create

3.TPU花卉识别

官网示例-A Simple TF 2.2 notebook
导入包：

import tensorflow as tf
from kaggle_datasets import KaggleDatasets
import numpy as np

print("Tensorflow version " + tf.__version__)

Tensorflow version 2.2.0

检测TPU：

# Detect hardware, return appropriate distribution strategy
try:
    tpu = tf.distribute.cluster_resolver.TPUClusterResolver()  # TPU detection. No parameters necessary if TPU_NAME environment variable is set. On Kaggle this is always the case.
    print('Running on TPU ', tpu.master())
except ValueError:
    tpu = None

if tpu:
    tf.config.experimental_connect_to_cluster(tpu)
    tf.tpu.experimental.initialize_tpu_system(tpu)
    strategy = tf.distribute.experimental.TPUStrategy(tpu)
else:
    strategy = tf.distribute.get_strategy() # default distribution strategy in Tensorflow. Works on CPU and single GPU.

print("REPLICAS: ", strategy.num_replicas_in_sync)

Running on TPU  grpc://10.0.0.2:8470
REPLICAS:  8

#Get my data path
GCS_DS_PATH = KaggleDatasets().get_gcs_path()

设置参数：

#参数
IMAGE_SIZE = [192, 192] # at this size, a GPU will run out of memory. Use the TPU
EPOCHS = 100
BATCH_SIZE = 32 * strategy.num_replicas_in_sync

NUM_TRAINING_IMAGES = 12753
NUM

最低0.47元/天解锁文章