Google TPU 3.0 设备实拍。Kaggle 文档曾以 TPU v3-8 作为免费 TPU 型号，当前型号待核对。图：Zinskauf，来源 Wikimedia Commons，许可 CC BY-SA 4.0。
Kaggle 向注册用户免费开放 Notebooks 云端算力。按官方文档，GPU 每周配额为 30 小时（视需求与资源有时更高），TPU 每周最多 20 小时；单次会话 CPU 与 GPU 最长 12 小时、TPU 最长 9 小时，自动保存的磁盘空间为 20 GB。本文据 Kaggle 官方文档整理额度、硬件、验证要求与使用条款，信息核实于 2026 年 10 月 22 日。
每周额度与可选硬件
Kaggle 的 GPU 使用说明页写明，免费 GPU 按周计配额、每周重置，额度为 30 小时，“视需求与资源有时更高”。TPU 说明页写明每周最多 20 小时、单次会话最多 9 小时。两页都没有写明每周哪一天、几点重置，具体重置时间待核对。当前剩余额度可在编辑器设置菜单、kaggle.com/notebooks 页面顶部、个人主页和会话管理窗口查看。文档称 GPU 与 TPU 均免费提供，但没有列出适用地区，地区限制待核对；忙时两者都可能需要排队。
| 加速器选项 | 加速器 | CPU 核数 | 内存 |
|---|---|---|---|
| 无（仅 CPU） | — | 4 | 30 GB |
| GPU P100 | 1 块 NVIDIA Tesla P100 | 4 | 29 GB |
| GPU T4 x2 | 2 块 NVIDIA Tesla T4 | 4 | 29 GB |
| TPU（1VM） | TPU，型号待核对 | 96 | 330 GB |
表中数值来自 Kaggle Notebooks 文档“Technical Specifications”一节，文档自注为“撰写时”的配置。
官方文档没有列出 GPU 显存大小，这一项待核对。TPU 型号的说法前后不一：Notebooks 文档“Adding a free TPU”一节写的是 TPU v3-8，TPU 说明页也以 v3-8 为例，但同一页又注明这些内容是为“Kaggle 已不再支持的旧版 TPU”所写。当前可选的 TPU 型号以编辑器 Accelerator 菜单中显示的为准，官方文字待核对。
另有一项标为实验性的限时活动：把 Kaggle 账号与有效的 Colab Pro 或 Pro+ 订阅关联后，每周可分别额外获得 15 或 30 小时 GPU 时间，不消耗 Colab 计算单元，使用的仍是 Kaggle 原有硬件。活动条款写明，Kaggle 可随时修改额度或终止活动，结束日期可能不公开、也不提前通知，因此截止日期待核对。Colab Pro 本身的订阅费用不在本文核对范围内。
会话时长、磁盘与内存
Notebooks 文档的技术规格一节给出每个会话的资源上限：CPU 和 GPU 会话最长运行 12 小时，TPU 会话最长 9 小时。用“Save & Run All”保存版本时，整个笔记本同样必须在 12 小时内（TPU 为 9 小时）从头跑完。超过这个时长的训练需要自己拆成几段。
磁盘分两部分。/kaggle/working 提供 20 GB 自动保存空间，笔记本最多可保存 20 GB 输出，之后能在别的笔记本里作为输入再次挂载；该目录以外还有一块临时空间，会话结束后不保留，容量文档未写明，待核对。上传数据集方面，单个数据集上限 200 GB，私有数据集合计上限也是 200 GB。
空闲超时有两种说法。技术规格一节写的是，交互会话 20 分钟内既不修改也不运行代码就会结束；GPU 使用技巧页则写交互会话会一直保持到 60 分钟空闲上限。哪个是现行数值待核对。稳妥的做法是离开前在页面左下角的 Active Events 窗口手动停止会话，GPU 使用技巧页也说明这样最多能省下 60 分钟计算时间。
英伟达 Tesla P100（GP100）实拍，P100 是 Kaggle 技术规格中列出的免费 GPU 选项之一。图：FritzchensFritz，来源 Wikimedia Commons，许可 CC0 1.0。
验证要求、联网与使用条款
关于手机验证，目前没有找到 Kaggle 针对 GPU 或 TPU 的官方条文：Notebooks、GPU 与 TPU 三份文档都没有写明“须先验证手机号”。第三方的 fast.ai 课程资源页写道，在 Kaggle 使用 GPU 需要账号完成手机验证，入口在账号页的“Phone Verification”。Kaggle 自己的 Benchmarks 文档则要求账号完成手机验证后才能使用 LLM API 配额等资源，并规定 2025 年 12 月 15 日之后注册的账号运行任务笔记本还需额外身份验证，但这只针对 Benchmarks。GPU、TPU 与联网功能的验证要求以账号设置页的实际提示为准，官方条文待核对。另外，使用条款规定每人只能持有一个账号，不要为了多拿额度注册多个账号。
联网由编辑器 Session options 里的 Internet 开关控制，文档称新建笔记本默认开启，开启后可以用 !pip install 安装额外的包。部分代码比赛要求提交的笔记本关闭联网，这时可以用 Dependency Manager 预先打包依赖，离线安装。联网开关是否同样要求手机验证，官方文档未写明，待核对。笔记本还可以接入 BigQuery、Google Cloud Storage 等 Google Cloud 服务，这些服务会向绑定的 Google Cloud 账号计费，不在免费额度之内。
使用条款（2025 年 6 月 22 日生效）规定，服务只能用于个人、内部、非商业用途，并明确禁止挖矿。同日生效的可接受使用政策把滥用资源列为禁止行为，具体包括挖矿、DDoS 攻击、服务器农场（server farming），以及“与机器学习、数据科学无关的活动”。用免费算力长期托管与学习无关的服务，可能触及这些规定；违反条款可导致账号被终止使用。
数据集和模型各有自己的许可。公开数据集的许可由上传者选择，常见的有 Creative Commons、GPL、ODC 等，不在下拉列表里的许可写在数据集说明中；使用条款要求遵守所访问内容的版权声明，未经权利人同意不得复制、再发布或以其他方式利用。比赛数据须先接受该比赛的规则，能否使用外部数据也以比赛规则为准。部分模型（文档以 Gemma 为例）需要先同意自定义许可；门控模型还可能要求填写信息，访问状态显示为“已接受”后才能使用。
学 AI 与跑实验的用法建议
下面前四条来自 Kaggle 官方 GPU 使用技巧页，后几条是根据上述时长和存储限制整理的做法，以及 TPU 说明页中的官方建议。
- 只在确实用到 GPU 时开启。 官方提示，pandas、scikit-learn 这类库不会因为有 GPU 而变快。可以先在 CPU 会话里把数据处理和代码调通，再切换到 GPU 跑训练。
- 不要把“Save & Run All”当存档用。 它会从头到尾重跑整个笔记本；只想留存进度时，用 Quick Save 或直接下载 .ipynb 文件。
- 及时清理会话。 同一笔记本在上一次提交跑完前再次提交，会产生多个并行的批量会话，旧代码那次可以取消；关闭页面前先停止交互会话。
- 用 Kaggle API 推送版本。 这样可以完全不开交互会话，直接提交新版本笔记本运行。
- 按会话上限规划训练。 以 12 小时（TPU 为 9 小时）为界，定期把检查点写进 /kaggle/working；下一次会话把上一个笔记本的输出作为输入挂载，从检查点接着训练。
- TPU 代码以新文档为准。 TPU 说明页的示例以 TensorFlow/Keras 为主，并建议把训练数据整理成数十到数百个、每个数十到数百 MB 的 TFRecord 文件；但该页注明写于旧版 TPU，迁移代码时以 Google Cloud 官方 TPU 文档为准。
- TPU 训练、GPU 提交。 有些代码比赛不支持在 TPU 上提交。官方给出的办法是在一个笔记本里用 TPU 训练并保存模型，把输出存成数据集，再在 GPU 笔记本里加载模型完成推理和提交。
- 从公开笔记本入手。 比赛和数据集页面的公开笔记本可以直接 fork，先复现再改动；原笔记本附加的模型会一并带入副本。