编辑：蛋酱、陈萍
P100 都免费了，V100 还会远吗？
假如你是一枚学生党，既没有钱，学校实验室计算卡又不够用，却入了机器学习的门，那你肯定用过一个神器：Google Colab。
Colaboratory 是一个 Google 研究项目，旨在帮助传播机器学习训练和研究成果。它是一个 Jupyter 笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。Colaboratory 笔记本存储在 Google 云端硬盘中，并且可以共享，就如同你使用 Google 文档或表格一样。Colaboratory 可免费使用。同时也可以运行 Keras、TensorFlow、PyTorch、OpenCV 等框架进行深度学习的开发与应用。
搭建服务器很贵，一块 GPU 动辄上万，这种能够免费使用的开源平台，自然受到很多人的关注。
近日，有人发现，自己在运行 Colab 时获得的 GPU 是 Tesla V100：「是 V100，而不是 P100。因为我是 Colab 专业版用户 ，所以不确定是否所有用户都这样。」
显然，他不是一个人。另外一位专业版的用户也晒出了截图：「我是 Google colab 专业版用户。每当连接到服务时，我都会习惯性检查获得了哪个 GPU。今天看到 V100 时，我第一次感到有点震惊，再次运行命令进行检查，没错，就是 V100。」
也有推特用户表示自己已经率先用上了 V100，运行速度突然变快（幸福来得猝不及防）。
近两年来，Colab 的硬件历经几次升级。先是去年 4 月，谷歌将 Colab 的 GPU 从古董级别的 K80 升级到了更加适合做低精度的推断的 Tesla T4，训练比 K80 快了很多。去年 11 月，Colab 又一次开放了 P100，一年之内两次硬件升级。
目前，还没有任何官方消息确认 Colab 将免费提供 V100，或许这只是给专业版用户的一点福利。不过话说回来，P100 都免费了，V100 还会远吗？
Tesla V100 是英伟达上一代处理器架构 Volta 的首款设备，发布于 2017 年 5 月，其核心 GV100 GPU 包含 211 亿个晶体管，是上代 Tesla P100 的 1.37 倍，芯片面积则达到了 815 平方毫米，采用台积电 12nm FFN 专属工艺打造。
Tesla V100&Tesla P100 架构对比。
从薅羊毛的角度来说，P100 的性能已经足够优秀，但 V100 显然更加强大：
Tesla V100&Tesla P100 性能对比。
如下图所示，V100 在 ResNet-50 深度神经网络训练任务中的速度比 P100 快 2.4 倍。如果每张图像的目标延迟是 7ms，那么 V100 使用 ResNet-50 深度神经网络进行推理的速度比 P100 快 3.7 倍（参与测试的 V100 为原型卡）。
最重要的是，和 P100 相比，Tesla V100 增加了专门为深度学习设计的 Tensor Core，能够明显加快深度学习算法和框架的运行速度。
在各种 HPC 任务中，Tesla V100 平均比 Tesla P100 快 1.5 倍。（该性能基于 Tesla V100 原型卡）。
参照 Colab 去年的硬件更迭速度，官宣 V100 仿佛也近在眼前。如果现在有时间，你可以打开 Colab 运行一下，也许能收获惊喜。
Amazon SageMaker 是一项完全托管的服务，可以帮助开发人员和数据科学家快速构建、训练和部署机器学习 模型。SageMaker完全消除了机器学习过程中每个步骤的繁重工作，让开发高质量模型变得更加轻松。
现在，企业开发者可以免费领取1000元服务抵扣券，轻松上手Amazon SageMaker，快速体验5个人工智能应用实例。
