返回列表 發帖
Share |

[轉貼] 共享GPU來了!投身去中心化機器學習,比挖礦多賺3倍

還在用GPU挖礦?那你可就虧大了。

最近,大洋彼岸出現了一個名叫“Vectordash”的機器學習共享算力平台,用開發者自己的話講,相當於一個GPU的Airbnb。



有GPU又嫌挖礦賺得太少?可以在這個平台上共享自己的計算資源,幫助別人搞AI。

收益是挖礦的3到4倍!

AI開發者們在平台上租用共享出來的GPU,價格又只有AWS的1/5。

窮學生

這個簡直像福利一樣的平台,是窮學生Sharif Shameem和兩位小伙伴的業餘項目。

Shameem在Reddit上發帖介紹說,他們建立這個平台,是受到自己經歷的啟發。

作為正在研究人工智能、深度學習的窮學生,Shameem總是要用GPU來訓練神經網絡,可是AWS和Google Cloud都好貴,那點學生優惠又根本不夠用。

“老師,這個學期的期末作業我能晚點交麼?實在是沒錢租GPU,模型還在用CPU慢慢訓練……”

這個遲交作業的理由看起來也實在寒酸,不過窮學生有自己的辦法。

他找到了一個用1080 Ti挖以太坊的朋友,給他以太幣挖礦收益兩倍的價錢,用這位礦工的電腦愉快地訓練起了自己的神經網絡。還是比AWS便宜多了。

可是獨樂樂不如眾樂樂啊,這麼好的模式,值得讓全世界的礦工聯合起來,全世界的無GPU者也聯合起來。

於是就有了Vectordash。



來,記住這三名窮學生的名字,萬一他們成了下一個比爾·蓋茨呢。他們是:來自馬里蘭大學的Sharif Shameem、Arbaz Khatib,和來自CMU的Abhishek Bhargava。

機主多賣錢,買家少花錢

官方網站上針對各種GPU給出了一個清晰的價目表:賺得最少的老GPU 1050,每天1.92美元;Titan V賺的最多,每天10.08美元。



GPU提供方賺的比挖礦多,但是開發者租到的GPU實例並不貴。每小時0.17美元起,僅僅是AWS的1/5,租個最新的Titan V,每小時才0.85美元。



每個GPU實例還都預裝了Ubuntu 16.04、CUDA、cuDNN、TensorFlow、PyTorch等等機器學習必備環境。

對比一下兩個列表,機主多賣錢,買家少花錢,算一算平台差價好像也沒少賺,真正的皆大歡喜。

怎麼用呢?

對於開發者來說,用Vectordash和用其他雲服務差不多:租用了GPU實例,就能拿到供連接用的IP地址和SSH密鑰。

我們來看看這段視頻演示:



可惜的是,量子位沒能親自替大家試一試,因為目前所有機器都租出去了。



△抱歉,所有機器當前都在使用中。有興趣成為機主嘛?

沒租到GPU,卻被Vectordash網站問了一個直擊心靈的問題:有興趣把你的GPU分享出來做機主賺點錢嗎?

假如量子位有一塊1080 ti,怎麼會放過這個分分鐘變身雲服務提供商,造福AI研究者順便一天賺7.68美元的機會? GPU還沒買,先幫大家探探路也是好的。

成為機主並不難,需要先填個表:



https://goo.gl/forms/ghFqpayk0fuaXqL92

然後,會在一天之內收到Vectordash的指南郵件,指導機主安裝管理程序,共享GPU。

機主可以在管理程序中自行選擇提供GPU的時間段,另外,這個管理程序還支持自動切換功能,當Vectordash上沒人佔用GPU時,可以讓它去挖礦,最大化收益。

為了收款,機主還需要綁定一個虛擬貨幣錢包。用戶用完GPU之後,機主會在5秒鐘內收到錢,可以選擇比特幣、以太坊或者萊特幣,而且隨時可提現。

新機遇

哦賣糕,這個模式讓大家興奮了。

“輟學吧,你就是下一個比爾·蓋茨。”

在reddit論壇上,出這個主意的不止一人。他們都攛掇Sharif Shameem和夥伴們別搞研究了,專注在這個項目上,成為亞馬遜的對手。

目前亞馬遜提供的GPU雲計算服務,使用的都是K80等專用產品,而更便宜的消費級GPU不能用於雲計算這樣的商業場合。

不過,這種共享模式,似乎繞過了英偉達的限制。

Vectordash創始人表示,他們在1080Ti上訓練神經網絡,比在亞馬遜雲上使用Tesla K80訓練的速度快5倍。

人們紛紛表示,原意出租自​​己的GPU。 Shameem在Twitter上說,beta版上線17小時,就收到了143塊GPU。

還有人不甘心的問:AMD顯卡行麼?

當然不太行。

Vectordash目前還不支持AMD的顯卡,因為目前OpenCL還沒有得到機器學習庫的廣泛支持。當然,Vectordash的伙伴們也希望AMD、英特爾、Google能盡快趕上,他們不想活在英偉達一家獨大的世界。

這個業務模式,不免讓人們想起Golem。

據介紹,Golem是一個去中心的全球算力市場。 Golem改變了算力任務的組織和執行方式。下面有段視頻介紹,沒有字幕。



隱憂



“去中心化的機器學習真是亦可賽艇,”陳天奇(XGBoost、MXNet、TVM的作者)說:“但是可能會有安全隱患。”

+1,Keras作者François Chollet附議並且進一步指出,隨機使用別人的電腦聽起來會引發隱私和安全災難。對於那些訓練數據很敏感的項目尤其如此,所以還得需要一個更安全的方式進行。

在reddit論壇上,有網友問:我有興趣提供GPU,但怎麼保證我的個人信息不會洩露?怎麼保證我不會成為殭屍網絡的一部分?

Vectordash創始人回答說,他們用了基於LXC的Hypervisor(虛擬化技術的核心,可允許多個操作系統和應用共享一套基礎物理硬件)。

不過只是這些,似乎還不能讓人完全放心。

“我有一個完美的解決方案!”

現在Google Brain團隊的David Ha說,他準備用區塊鏈解決信任和安全問題,並且準備發行TensorFlowCoin,然後還要ICO……

搶先發幣,不愧是投行轉AI的大牛。

返回列表