想用 Kaggle 的免费算力学 AI，先别急着安排长时间训练。每周配额、单次会话、文件保存和账户验证，都会影响实验能否顺利完成。本文围绕 Notebooks、数据集与 Learn 整理核对要点和入门建议。核对尝试日期为 2026 年 10 月 19 日；官方正文读取受阻，未确认的权益与限制均标为“待核对”。
算力配额与会话边界
信息核实日期：2026 年 10 月 19 日。 此前页面读取受阻，本轮已通过 Kaggle 网页使用的官方公开内容接口读取文档正文；以下是文档记载，不是账户实测或新发布的活动公告。
| 项目 | GPU | TPU |
|---|---|---|
| 官方列出的配置 | 单张 P100，或两张 T4 | Notebooks 列出 TPU 1VM；TPU 教程含旧型号内容，不能据此保证当前分配型号 |
| 每周配额 | 官方说明为 30 小时，有时随需求和资源情况提高；每周重置 | 官方说明为每周最多 20 小时 |
| 单次会话上限 | 12 小时 | 9 小时 |
| 使用费用 | 文档提供免费 GPU 使用方式 | 文档说明免费提供 TPU |
GPU 周额度取自 Efficient GPU Usage Tips，硬件与会话上限取自 Notebooks；TPU 周额度取自 TPU 文档。GPU 的具体重置时刻与时区、双卡配额如何计时，本轮原文未明确，均待核对；不能把 T4×2 当成周额度翻倍。
免费资源不是随时可用的预留机器。Notebooks 文档提醒 GPU、TPU 繁忙时可能排队；TPU 文档也明确提示后续教程针对已不再支持的早期版本。开始实验前，应查看账户显示的剩余额度和实际硬件，旧教程中的代码与型号须另行确认。每周总额度与单次会话上限是两种限制，不宜把一周的预算安排成一次连续训练。
图示说明：上方题图与本节对照图均为本篇代码绘制的“AI 生成示意图”，不是官方截图；对照图保留了绘制时的待核对状态，已核实数字以本节文字及官方链接为准。
存储联网与验证条件
Notebooks 官方文档列出 /kaggle/working 有 20 GB 自动保存空间；该目录外另有临时空间，不会在当前会话结束后继续保存。这是 Notebook 输出保存限制，不能理解成账户所有数据集的总容量。需要复用输出时，文档提供从其他 Notebook 添加输出作为输入的方式。
保存代码快照与重新执行也有区别：Quick Save 跳过从头运行，保存当前笔记本快照；Save & Run All 会在全新会话中从头执行，GPU 任务须在 12 小时内完成，TPU 为 9 小时。编辑建议：先用小样本检查完整流程，训练时保存检查点，避免误以为临时目录里的模型会自动保留。
联网方面，文档提供 Settings 中的 Internet 开关，并说明通过常规包管理器安装依赖时需启用联网；部分比赛提交仍要求禁网。因此，日常实验能联网，不代表提交时也允许临时下载数据或依赖，应逐场阅读比赛规则。
手机号验证要求：待核对。 本轮读到的这些官方文档不足以确认其是否为 GPU、TPU 或联网的统一前置条件，也不能确认中国大陆手机号支持情况。不要把社区帖子里的操作经验写成现行官方规则。
权益截止日期与适用地区：待核对。 已读文档说明免费使用方式，但未在所引段落中列明统一截止日期或完整地区名单；不能据此推断永久有效或全球无条件可用。本文不将 Colab 订阅相关额外额度计入免费基础权益。
从课程走向小项目
学 AI 可以把课程、数据和实验放到同一条路径上。Notebooks 文档说明，可从数据集页面选择 Code → Create a notebook，也可在现有笔记本通过 Input → Add Input 添加可访问的数据集。Datasets 文档列出多种数据许可，因此公开可见不等于可以任意再分发或商用，使用前仍要阅读所选数据集的许可与说明。
Kaggle Learn Course Certificates说明，完成一门课程可获得完成证书；完成后进入 Learn 课程主页的 Completed 列表，通过 View Certificate 查看。官方把课程定位为入门学习，并建议之后选择数据集或比赛建立自己的项目。这里的证书是课程完成记录，不应宣传成职业资格或就业保证。
微课程当前目录、课程及证书费用、权益截止日期和适用地区：待核对。 本轮读取了证书说明，但没有取得足以核实课程现行价格和完整目录的课程正文，不能据搜索摘要确认所有课程与证书的费用条件。
以下是编辑建议，并非平台承诺或实测结果：
- 选一份规模较小、字段清楚且许可合适的数据集，划分训练集与验证集，先用 CPU 跑通数据处理与基线。
- 学习一个主题后就做一次小实验；训练确实使用支持加速器的框架时，再启用 GPU。官方 GPU 使用建议也提醒，不是所有工作流程都会从 GPU 获益。
- 每次只修改少量设置，记录依赖版本、随机种子、评价指标与检查点，比较结果与资源消耗；用完主动停止会话。
- 把代码、数据来源、结果和失败原因整理成一个可复现项目，让课程学习落到实际作品上。