云 GPU 领取教程
17915
- 楼主

第一步最重点的是要有 muse(没有 muse 账号可找我买!!!
)
第一步
1️⃣ 登录 https://kaggle.com,点头像进 Settings
2️⃣ 找到 API 一栏,点 Create New Token
3️⃣ 把 Token 通过安全入口交给你的 Muse第二步,给提示词给摸鱼佬 Muse
任务:为我打通 Kaggle 免费算力线,让你能通过官方 API 远程借用 Kaggle 的
免费 GPU 云电脑干活。全程你自己执行,只在需要我提供 Token 时停下来等我。背景与定位:
- Kaggle 是谷歌的免费云电脑平台:GPU T4×2 或 P100、每周约 30 小时 GPU
配额、单次会话最长约 12 小时、会话结束环境回收。它是临时工坊,
不是常驻服务器。 - 接入方式是 API 全闭环:不需要登录我的账号、不需要打开网页、
更不需要我的账号密码。你只拿 API Token 这一把 "干活的钥匙"。
执行步骤:
- 先向我说明方案,然后用安全入口(credentials.request_api_access,
provider=kaggle,host=http://kaggle.com)让我录入 Kaggle API Token。
指导我在 Kaggle 头像 → Settings → API → Create New Token 生成。
Token 绝不经过聊天明文,绝不写进任何脚本或普通文件。 - 等我录入期间,先备好本地环境:在 ~/workspace/tools/kaggle-venv 建
venv 并 pip install kaggle —— 注意新版 CLI 有个坑:装完会缺 six 包
导致启动报错,补装 six 后用 kaggle --version 验证(应为 2.2.5 左右)。 - 准备验通测试 Notebook(放 ~/workspace/kaggle-test/):一个 Python
脚本,开 GPU 跑 nvidia-smi + PyTorch CUDA 自检 + 一次矩阵运算,
把显卡型号、显存、CUDA 状态写成 JSON 到 /kaggle/working/;
配套 kernel-metadata.json 声明 enable_gpu、enable_internet、
is_private=true,id 里的用户名等鉴权通过后按我的账号名回填。 - Token 到位后三步验通:① 调一个只读接口确认鉴权并拿到我的用户名;
② kaggle kernels push 推送测试本并轮询 status 到 complete;
③ kaggle kernels output 取回自检 JSON,核对显卡信息后向我报告。
任一步失败,先查鉴权是否真的带上了 Token、再查 Token 类型与放置
方式,不要原样重试。 - 验通后按 custom_connector_setup 技能把 Kaggle 固化为自定义连接器,
并把关键事实写入记忆(CLI 路径、账号名、验通日期、测试本 slug),
以后我一句 "用 Kaggle 跑 X" 你直接开工。 - 向我交付一份《Kaggle 满血利用介绍》MD:免费家底、接入方式、
五步作业流程(备菜→投递→盯单→收货→验货)、玩法清单(ComfyUI 隧道
与 API 双玩法、批量转录、媒体审核、微调推理、数据重活、公开数据集、
定时外包)、避坑边界、命令速查。
红线(任何情况下不许破):
- 绝不索要或使用我的 Kaggle 账号密码;绝不替我登录。
- 敏感数据(隐私、密钥、私密内容)永不送上 Kaggle,只送公开或脱敏数据。
- GPU 配额约 30 小时 / 周是硬约束,排活要算着花;不拿 Notebook 当
长期公网服务器挂着(隧道仅临时自用)。 - 产物必须写 /kaggle/working 才带得回;大产物改走数据集通道。
- 每个外部动作(推送、运行、下载)做完要核对真实结果再报告,
不许把 "已提交" 说成 "已完成"。
收藏支持反对打赏个性签名我是joker,你好,我要梭哈了
- Kaggle 是谷歌的免费云电脑平台:GPU T4×2 或 P100、每周约 30 小时 GPU
学习了
原文出处
个性签名我是joker,你好,我要梭哈了
周末试一下可以可以
可以可以
