之前一直在Googel Colab平台上薅羊毛(使用免费GPU)，但是很快就遇到了GPU使用达到上限的问题，如下图：
limited GPU
因此又来到Kaggle平台来薅羊毛，作为Kaggle小白，在此总结了一些常见的问题和实用tips。
安装第三方包
开始时一直安装不上任何包，把电脑wifi，翻墙工具检查了一遍，简直怀疑人生，后来发现原来是Internet选项没开启orz。
把页面右侧Setting栏中的Internet选项开启
install other packages
然后安装第三方包，比如pip install FastNLP==0.5.0。
卸载第三方包
卸载的时候经常会被询问Proceed (Y/n)?，但是在Kaggle的代码块或命令行中都无法很好地与之进行交互，导致程序一直阻塞在这里。
uninstall
因此我们需要在执行uninstall命令时就加上--yes选项，提前告诉程序我们的选择，比如pip uninstall pyarrow --yes，然后就可以顺利执行了。
切换代码样式
点击页面左上角的 File -> Editor Type
notebook
- Notebook：常见的notebook样式，代码块位于一个个格子中，每次可仅执行一个格子中的代码块，方便分步打印输出结果。
- Script：所有代码都位于一个格子(文件)中，一起执行。
调用GPU并将代码放后台执行
页面右侧Accelerator选项，选择为GPU即可调用免费的GPU资源训练模型。
GPU
同时会提示你每周有30 hours的GPU使用额度：
image.png
进一步地，通常训练神经网络模型，在数据量多的情况下，代码可能要跑很久，我们通常会睡个觉，醒来看结果。为了保证程序在我们睡觉期间也正常运行，我们需要将其放到后台执行：
- 首先点击右上角的
Save Version - 然后编辑
Version Name，比如这里我简单取Version 2 - 选择
Save & Run All (Commit) - 点击
Save按钮
Save Version
之后页面左下角会出现活动，代码在后台调用GPU执行中：
image.png
最后，我们最好将当前页面的Accelerator选项改成None，不然会占用双倍GPU时长，然后就可以关闭页面睡大觉了。
此外，点击页面右上角Save Version后面的数字，可以查看运行的版本日志：
image.png
继续点击Go to Viewer按钮，即可看到代码的输出日志。
view log
