Alternativas de Google Colab | Alternativas a Google Colab

Visión general

• Comprender qué es Google Colab
• Obtenga una lista de las principales alternativas a Google Colab
• De ninguna manera esta lista es exhaustiva. Siéntase libre de agregar más en los comentarios a continuación.

Introducción

Para cualquier persona que tenga problemas de almacenamiento o que no esté en condiciones de pagar un sistema compatible con sus requisitos para el trabajo de ciencia de datos, Google Colab ha sido una bendición.

Trabajar con Colab me ha abierto tantas vías que antes pensaba que no eran posibles. Ya no tenemos la restricción de un pobre poder computacional en nuestras máquinas. Y las GPU gratuitas están al alcance de la mano.

Pero, como científicos de datos, es importante conocer todas las alternativas disponibles para una herramienta en particular. Entonces, en este artículo, exploraremos algunas de las alternativas ampliamente utilizadas a Google Colab.

Tabla de contenido

1- ¿Qué es Google Colaboratory?

2- Alternativas de Google Colab

• Amazon SageMaker
• CoCalc
• Kernel de Kaggle
• Aglutinante

3- Otras alternativas

1- ¿Qué es Google Colaboratory?

Colaboratorio de Google o Google Colab es un entorno gratuito de Jupyter Notebook. Es un servicio gratuito basado en la nube de Google, lo que significa que no tiene que pagar nada. Una de las mejores cosas de Colab es que no necesita instalar nada de antemano. De hecho, muchas de las bibliotecas de ciencia de datos y aprendizaje automático, como Pandas, NumPy, Tensorflow, Keras, OpenCV vienen preinstalados con Colab.

Los cuadernos que crea se guardan en su Google Drive. Por lo tanto, Colab también aprovecha las funciones de colaboración de Google Docs, donde puede compartir su computadora portátil con varias personas fácilmente y todos pueden trabajar en la misma computadora portátil al mismo tiempo sin ningún problema.

Google también proporciona el uso de una GPU NVIDIA Tesla K80 gratuita. Si conecta Colab a Google Drive, obtendrá hasta 15 GB de espacio en disco para almacenar sus conjuntos de datos. Puede ejecutar la sesión en un Colab Notebook interactivo durante 12 horas, lo que es suficiente para un principiante. Google tiene sus chips personalizados de fabricación propia llamados TPU.

Una cosa más a tener en cuenta es que tEl conjunto de datos que carga en el cuaderno Colab se elimina una vez que finaliza la sesión.

Sin embargo, puede actualizar a la versión Pro, que supuestamente le da acceso a GPU más rápidas: GPU NVIDIA TESLA T4 o P100, tiempos de ejecución más largos de hasta 24 horas y más RAM.

Puede leer más sobre Google Colab en el siguiente artículo:

Alternativas de Google Colab

En la siguiente sección, discutimos las 5 mejores alternativas a google colab.

1. Amazon SageMaker

Amazon SageMaker también es una plataforma de aprendizaje automático basada en la nube desarrollada por Amazon en noviembre de 2017. cuadernos de Jupyter alojados que no requieren configuración. Pero no es gratis. Sí, debe pagar por sus servicios, aunque la prueba es gratuita (durante los dos meses iniciales).

«El uso de SageMaker Studio es gratuito, solo paga por los servicios de AWS que utiliza en Studio».

Pros:

• Junto con los marcos de aprendizaje profundo como Tensorflow, scikit learn, PyTorch y XGBoost, que son proporcionados por Google Colab, SageMaker también proporciona MXNet, Chainer y SparkML.
• Ofrece las siguientes características: Amazon SageMaker Ground Truth, IA aumentada de Amazon, Cuadernos de Amazon SageMaker Studio, Preprocesamiento, Experimentos de Amazon SageMaker y muchos más.

Contras:

• Si entrena su modelo usando algos incorporados de SageMaker, no puede implementarlo fuera de SageMaker. Este también es el caso de AutoML de Google, aunque todos los modelos entrenados en el motor ML (incluidos los que usan el TensorFlow-hub módulos) se pueden implementar en cualquier lugar.
• La optimización automática de hiperparámetros funciona mejor en Colab, en términos de resultados producidos y tiempo necesario.
• Obtiene nuevas versiones de Tensorflow en SageMaker semanas después de obtenerlas en Colab.

Aquí está el guía sobre cómo utilizar SageMaker y sus funciones.

2. CoCalc

CoCalc o el cálculo colaborativo es una computación en la nube basada en la web (SaaS) y plataforma de gestión de cursos de matemática computacional. Es un software de código abierto alojado por SageMath Inc. El creador y desarrollador principal de CoCalc es William Stein, ex profesor de matemáticas en la Universidad de Washington. Junto con el cuaderno Jupyter, admite la edición de hojas de trabajo de Sage y Látex documentos.

Pros:

• Ofrece colaboración en tiempo real, lo que significa que puede compartir su cuaderno con otros y todos pueden editarlo al mismo tiempo.
• Para el plan gratuito que ofrece CoCalc, las sesiones se cerrarán después de 30 minutos de inactividad, aunque pueden durar hasta 24 horas, que es el doble del tiempo que ofrece Colab.
• Tiene una función de registro de historial que registra todos sus cambios en la computadora portátil con gran detalle y le permite explorar esos cambios utilizando un control deslizante intuitivo.
• Idiomas ofrecidos: Python, Sage, R, Octave y muchos más.

Contras:

• El servicio no es gratuito. Sin embargo, hay un plan gratuito pero un Proyecto de prueba con ciertas restricciones, en particular, su proyecto se ejecuta con una calidad de alojamiento inferior y no tiene acceso a Internet para descargar datos de otros servidores.
• La GPU no está disponible, ni en el plan gratuito ni en la versión mejorada.

Puede comenzar con CoCalc desde aquí.

3. Kaggle Kernel

Kaggle es una plataforma popular para sus concursos de ciencia de datos, sin embargo, también ofrecen Granos o Notebooks para realizar todas las tareas de Machine Learning y Data Science, independientemente de las competencias. Kaggle Kernels es una plataforma gratuita para ejecutar cuadernos de Jupyter en el navegador. Tanto Colab como Kaggle son producto de Google y tienen muchas similitudes.

Kaggle ha actualizado sus núcleos para tener más capacidad de cálculo y memoria. Conjunto de datos de 20 GB, 5 GB de espacio en disco, 9 horas de tiempo de ejecución y 4 CPU con 16 GB de RAM o, cuando la GPU está encendida, hay 2 núcleos de CPU con 13 GB de RAM.

Pros:

• Kaggle proporciona acceso gratuito a las GPU NVIDIA TESLA P100 en los núcleos. Este punto de referencia muestra que habilitar una GPU en su Kernel da como resultado una aceleración de 12.5X durante el entrenamiento de un modelo de aprendizaje profundo.
• Es compatible con dos de los principales lenguajes en el campo de la ciencia de datos: R y Python.
• La mayoría de los atajos de teclado de Jupyter Notebook son casi similares en Kaggle Kernels, lo que facilita que una persona que trabaja en Jupyter Notebooks trabaje en Kaggle.
• Kaggle tiene una gran comunidad para apoyar, aprender y validar las habilidades de ciencia de datos.

Contras:

• En general, Kaggle tiene un retraso mientras se ejecuta y es más lento que Colab.
• Kaggle generalmente limita el tiempo de ejecución del kernel a 9 horas, con un tiempo de espera después de 1 hora de inactividad.
  
• Un gran inconveniente de ambas plataformas es que los portátiles no se pueden descargar en otros formatos útiles.

4. Carpeta

Aglutinante es impulsado por BinderHub, que es una herramienta de código abierto que implementa el servicio Binder en la nube. Binder le permite crear entornos informáticos personalizados que pueden ser compartidos y utilizados por muchos usuarios remotos. Le permite ingresar la URL de cualquier repositorio público de Git y lo abrirá dentro de la interfaz nativa de Jupyter Notebook. Puede ejecutar cualquier cuaderno en el repositorio, aunque los cambios que realice no se guardarán en el repositorio.

Puede ser útil cuando tiene un repositorio completo de Jupyter Notebooks. Aunque hay un límite de usuarios de 100 usuarios para un repositorio (que es suficiente, supongo).

Pros:

• Idiomas compatibles: Python, R y Julia.
• Dado que es un proyecto de código abierto, es gratuito.
• Binder puede ejecutar sus cuadernos directamente desde GitHub.

Contras:

• La colaboración con otros no está disponible.
• Las sesiones se cerrarán después de 20 minutos de inactividad, aunque pueden durar 12 horas o más.
• No es adecuado para trabajar con grandes conjuntos de datos.

Otras alternativas

Algunas de las otras alternativas que no mencioné en este artículo pueden ser:

1- Nube de Saturno

2- Computadoras portátiles IBM Dataplatform

3- Datalore

Échales un vistazo.

Notas finales

El propósito de este artículo fue solo dar una idea sobre las posibles alternativas de Google Collaboratory, la decisión final depende de usted cuál preferiría según su necesidad. Espero que explore todas estas plataformas e identifique los pros y los contras de su línea de trabajo.

También avíseme qué plataforma prefiere / usa y por qué.

Relacionado