Paperspace Gradient VS Google Colabatory

딥러닝을 공부하려면 고성능 컴퓨팅 자원 (특히 GPU) 를 필요로 합니다.
하지만 가난한 학생 입장에서 고성능 컴퓨터를 맞추기는 쉽지 않습니다.
그래서 많은 사람들이 무료로 고성능 GPU를 활용 할 수 있는 Google Colabatory (이하 Colab)를 사용합니다.

하지만 Colab에도 몇가지 단점들이 있습니다.
대표적인 단점 은 아래와 같습니다.

• 예기치 않은 세션 종료 (일정 시간 이상 자리비움 혹은 12시간 이상 세션 사용)
• 세션 종료 시 데이터 소멸
• 별도의 저장공간 제공 X

세션이 종료 되면 그동안 학습했던 데이터와 모델이 전부 사라지게 되는데,
딥러닝을 공부하는 학생 입장에서는 여간 불편한 일이 아닙니다.
또한 별도의 영구적인 저장 공간을 제공하지 않아 학습에 필요한 데이터 셋을 불러오고 구글 드라이브와 연동하느라 애를 먹었던 기억이 납니다.

위 문제들을 해결할 수 있는 서비스가 바로 Paperspace Gradient 입니다. Colab과 유사하게 강력한 GPU 자원을 활용할 수 있는 Jupyter Notebook 환경을 제공 하는 서비스입니다.

두 서비스의 차이점 을 표로 정리하면 아래와 같습니다. (무료 버전 기준 입니다.)

GPU

두 개 서비스 모두 가정용보다 압도적인 GPU 사양을 제공합니다.
Geekbench에 의하면 성능은 GPU 아래와 같습니다.
K80 <= M4000 <<< P4000 << P5000 << T4
K80과 M4000은 비슷한 성능이고 Colab의 T4가 가장 높은 성능을 보여줍니다.
최근 Colab의 GPU가 T4로 대체되고 있는데, 이 점에서 GPU 사양은 Colab이 살짝 앞섭니다.

RAM

Gradient가 Colab보다 약 2배 많은 30GB의 RAM을 지원 합니다.
데이터를 모델에 적재시킬 때 큰 용량의 RAM이 있으면 좋은데, 이 점은 Gradient가 훨씬 우수합니다.

CPU

데이터 처리를 할 때 CPU 사양 역시 중요합니다.
CPU 또한 무료 플랜임에도 Gradient가 8x vCPU로 훨씬 강력한 성능을 제공합니다.

영구 Storage

Colab에서는 별도의 영구 Storage를 제공하지 않고 , 구글 드라이브와 연동해서 사용하여야 합니다. 반면에 Gradient는 별도의 설정 없이 바로 5GB의 영구 Storage를 사용할 수 있습니다. 저장공간 5GB인 것이 살짝 아쉽지만, 학습용으로 사용하기에는 무리가 없고 Colab보다 훨씬 편리하게 저장공간을 사용할 수 있습니다.

세션 종료 여부

개인적으로 두 서비스의 가장 큰 차이점이라고 생각됩니다. Colab의 경우 세션을 12시간 이상 사용 하거나, 장시간 자리를 비울 경우 세션이 종료 됩니다. 이 때 세션에서 작업하고 있던 모든 데이터가 삭제 되게 됩니다. 반면에 Gradient는 별도의 시간 제한이 없고, 자리를 비우거나 작업 중이던 창을 종료해도 세션이 종료되지 않습니다. 또한 노트북을 열 때마다 Pytorch 등 파이썬 라이브러리를 새로 설치할 필요가 없습니다. 이 점은 Gradient가 훨씬 좋다고 생각합니다.

기타

Github와 연동할 수 있는 Workflow , 편하게 작업 환경을 구성할 수 있는 Runtime Template 제공 등의 사용자 편의 기능을 제공합니다.

결론

이번 포스트는 Paperspace Gradient에 대해서 알아보았습니다. GPU를 제외한 대부분의 사양이 Colab을 앞서며, 영구 저장공간 제공, 자리를 비워도 세션 사용 가능 등 다양한 매력적인 기능들을 제공합니다. 필자도 딥러닝을 공부할 때 처음에는 Colab을 많이 사용했었는데 중간에 세션이 꺼지고, 데이터가 날라가는 등 여러모로 불편한 점들이 있었습니다. Graident로 이러한 문제들 없이 편하게 작업할 수 있고 게다가 무료라는 점이 가장 매력적입니다. Paperspace Gradient가 딥러닝 공부에 도움이 되길 바랍니다! 😊

Reference

• https://news.machinelearning.sg/posts/google_colab_vs_paperspace_gradient/