- 一些免费的GPU资源
- 一、Google Colab（推荐）
- 二、Kaggle
- 三、Paperspace Gradient
- 四、其他
- 1、AWS Sagemaker Studio Lab
- 2、Lightning AI
- 3、百度 AI Studio
- 4、云平台注册赠费
- 附录
在学习AI时，经常需要用到GPU资源；而有些时候我们手头并没有老黄的显卡，或者显卡已经不支持进行人工智能的学习了；
本文总结了一些常用的GPU资源；
同时，后续也会在博客更新一些和并行计算、人工智能相关的内容，敬请期待！
一些免费的GPU资源
一、Google Colab（推荐）
网址：
特点：
- 提供 NVIDIA T4/P100/V100/A100（具体型号随机分配）；
- 免费用户每天最多可使用 12 小时（可能因资源调度而中断）；
- 可升级至 Colab Pro（9.99 美元/月）或 Colab Pro+（49.99 美元/月），享受更长运行时间和优惠优先级；
- 集成 Jupyter Notebook 环境，适合深度学习和机器学习任务
二、Kaggle
网址：
特点：
- GPU小时数：每周30小时。
- GPU：提供Tesla P100，与Google Colab的T4相当。
- 使用质量：非常好，很少断连。
- CPU和内存：提供四个CPU和29GB RAM。
- 易用性：易用，有类似笔记本的界面。
- 存储：无持久性存储。
三、Paperspace Gradient
网址：
特点：
- GPU小时数：无具体限制，质量不佳。
- 存储：有持久性存储，数据不会丢失。
- GPU：提供M4000 GPU，质量低于Google Colab的T4。
四、其他
1、AWS Sagemaker Studio Lab
特点：
- GPU小时数：每天4小时，CPU小时数12小时。
- GPU：提供T4 GPU，与Google Colab相同。
- 使用质量：非常好，很少断连。
- 易用性：需要在网站上注册。
- 存储：有持久性存储。
2、Lightning AI
网址：
特点：
- GPU小时数：每月22小时。
- CPU：提供一个Studio，4个CPU完全免费。
- 使用质量：非常好，连接稳定。
- 易用性：非常好，提供VS Code界面。
3、百度 AI Studio
网址：
特点：
- 免费提供 GPU 运行环境，支持常见型号（如 T4、P40 等，具体配置可能随时调整）；
- 集成 PaddlePaddle 以及 TensorFlow、PyTorch 等主流深度学习框架；
- 类似 Jupyter Notebook 的在线编程环境，适合快速上手、学习和实验；
4、云平台注册赠费
- Google Cloud Free Tier
- 新用户可获得 300 美元免费试用额度（90 天内有效），体验包括 GPU 实例在内的众多云服务
- 用户可自行创建 NVIDIA T4/V100/A100 GPU 实例（需手动配置）
- 适用于大规模机器学习和 AI 训练
- 注册时需绑定信用卡，但试用期间不会产生扣费
- Microsoft Azure Free Tier
- 新用户可获得 200 美元免费试用额度（30 天内有效），支持 GPU 虚拟机（如 NC/ND 系列）
- 适用于 AI 深度学习训练和企业级应用开发
- 需要信用卡验证，但试用期间不收费
- AWS Free Tier（Amazon Web Services）
- 免费层主要提供 750 小时 t2.micro 实例（不含 GPU），部分新用户可额外申请 GPU 实例（如 p3/g4 系列）
- 提供 Amazon SageMaker 平台，支持机器学习项目的快速部署
- 注册需绑定信用卡，确保试用过程不产生费用
其他资源：
附录
参考文章：
- https://zhuanlan.zhihu.com/p/1906295351289308808
- https://www.bilibili.com/read/cv34465418/
- https://www.reddit.com/r/KoboldAI/comments/13taldr/google_colabs_possible_alternatives/
- https://deepnote.com/compare/alternatives/colab