12月初，全球云服务市场份额最大的亚马逊AWS发布了完全免费的机器学习实验/实践平台 - AWS SageMaker Studio Lab。又是一款很适合实验室资源排队排不到或者出门在外手头没有GPU算力的同学。博主闻之马上申请(piao)了一份来试试看体验对比Google Colab怎么样。
目前采用申请注册制，注册信息只需要填写一些基本信息(邮箱啥的)，以及自己所属组织/职业，还有准备用来干什么就可以了。申请通过后它会往你的邮箱发一个注册链接，然后就能注册账号使用了。我是周五填写的申请，周二下来的Approval，真羡慕这种顶级大厂965不加班的作风啊
使用篇
主页面也十分的简洁直观，只需要点一个按钮就可以启动自己的工作区
AWS目前给到的配额是一次CPU实例可以使用12小时，GPU实例可以使用4小时
时间到了之后它会自动销毁容器(会帮你保存工作区数据)，之后可以再次启动(数据会自动恢复，环境也不用重新配)，又可以使用4个小时
也就是说目前配额是没有限制的，唯一的限制就是只能连续使用的时间限制，超时了就会断开一次
进入工作区之后，页面还是大家熟悉的Jupyter Notebook风格，并且比Colab额外提供了Linux终端，使用起来更方便
测试篇
接下来看一下给到的配置，看看性能到底怎么样
可以看到服务器位于俄亥俄州，因此物理延迟肯定200MS以上了。没有在西海岸地区部署对国内用户来说是一个遗憾
CPU方面每个实例给到了4核8线程，外加16G内存，还是很不错的
GPU方面给到的是Tesla T4，相比起来Colab免费用户大多数只能分配到的K80实在是要强太多了
我们跑一个深度强化学习DDPG模型，看下速度具体怎么样
| 厂商 | 配置 | 每个Episode耗时 |
|---|---|---|
| AWS | 4C8T(3.2Ghz)+Tesla T4 | 约1.05s |
| AWS | 4C8T(3.2Ghz) (单CPU跑) | 约1.92s |
| Google Colab | 2C2T(2.5Ghz) (单CPU跑) | 约3.42s |
| Google Colab | 2C2T(2.3Ghz)+Tesla K80 | 约1.71s |
| 其他 | 16C16T(3.1Ghz)+Tesla V100 | 约1.18s |
使用感受
AWS不愧是云服务市场份额第一的顶级大厂，除了性能相当不错之外，最大的感受就是数据管理相当方便。用户数据和实例完全解耦了，不管是切换实例还是什么，你的数据永远都跟着你走；而Colab每次切换运行环境都需要重新导入数据，或者重新配一下环境
对比其他提供免费算力的大厂，阿里天池永远排队不到GPU(用起来感觉也很奇怪, 像是加班赶点整出来的半成品)；百度AI Studio只能用PaddlePaddle框架(并且后台有检测, 不让你偷偷装Pytorch或者TensorFlow, 检测到了直接强制关闭实例)；Google Colab用户太多、还需要科学上网才能用。
香就一个字！