1. Kaggle Kernel
Kaggle是什么就不用我介绍了吧，但是有时挺惊讶的是，有人用自己机器跑那一点代码，然后结果再传回kaggle去评估。何必呢？kaggle本身就有提供一个叫kernel的选项。当然我相信很多人都知道kernel的好处了，但为了方便新手读者学习，我还是再介绍一下吧：
随便点进一个比赛，例如最著名的titanic
然后点Kernel-> New Kernel:
然后出现两个选项， 是普通代码模式还是Jupyter Notebook 模式，我个人喜欢Jupyter Notebook 模式，点进去，创建了一个新的notebook
然后资本主义GPU就出来给我们薅了，看右边菜单栏：
虽然是从titanic比赛创建的kernel，但右边菜单栏允许添加自己的数据，也允许你无条件启用GPU。
但你的运行结果怎么导出呢？
很简单，把你的要导出的结果存成DataFrame（df）,然后df.to_csv('YourOutPut.csv')，再点击最上方的commit
提交完成了，点击Open Version,然后跳到笔记本预览模式页面最左边有Output栏，点击一下，就可以看到你的结果并可以下载。
2. Google Colaboratory
Colaboratory也提供了 Tesla K80 GPU。虽然比起1080Ti，性能逊色太多，但好歹比在本地用GPU跑好多了.
要使用Google Colaboratory，首先进入你的Google Drive
如上图，点击Connect more apps,搜索colab
点击Connect，然后再回去刚才的菜单看，
Colaboratory已经可以用了，点击它，会创建一个Jupyter Notebook.那么要怎么利用GPU呢？如图 修改(Edit)->笔记本设置(Notebook Setting)：
你甚至还可以用TPU呢
如果不太熟悉的，可以点击这个链接https://colab.research.google.com/，是个官方Notebook教程，有详细的讲解。
Reference:
[1]Running Kaggle Kernels with a GPUwww.kaggle.com
[2]https://colab.research.google.com/