環境構築
コンペ用の計算環境(ローカルマシン、クラウド、エディタ設定)に関する話題のページです。
Kaggle Notebook の制約を超えたいときの選択肢を集めています。
押さえどころ
- 大きな選択肢は「自宅 GPU マシンの調達」「クラウド(GCP・AWS・RunPod など)の利用」「Google Colaboratory・Kaggle Notebook などの無料/定額枠」の3系統。継続的に参加するなら費用対効果と管理コストが論点になる
- クラウドは Terraform などの IaC でコンペごとに環境を素早く立ち上げる運用が定着してきた
- Google Colaboratory は Pro/Pro+ やコンピューティングユニット制、TPU 提供、Google AI プランへの統合(公式発表)などで提供形態を広げ続ける一方、Python バージョンや利用規約の変更が度々発生するため追随が必要
- Kaggle Notebook 自体も GPU 環境の改善が続いており、VS Code や Cursor など手元の IDE から接続して使う選択肢も増えている。
- Kaggle Notebook のアクセラレータは世代交代で入れ替わっており、2026 年 9 月 15 日に P100 が提供終了して GPU は T4x2 に一本化され、R 言語サポートも終了が告知された(GPU 一本化、R サポート終了)。単一 GPU 前提のコードは、複数 GPU 構成や 1 基あたり 16 GB のメモリ制約を踏まえた見直しが要る。
- パッケージ管理は rye・Poetry・uv などのツールや Docker を用いた再現性確保に関心が向かっている。NumPy 2.0 のようなメジャーアップデートでは既存コードとの互換性に注意が必要。
- エディタ(VS Code)の設定や SSH 接続でのバックグラウンド実行を整えるだけでも、長時間の学習を止めずに作業しやすくなる。
- 自宅の単一 GPU マシンでは Slurm などのジョブスケジューラを導入し、キューイングとコーディングエージェントからの非同期実行を両立させる工夫も見られる(Slurm は Kaggle で役に立つ)。
- 環境をテンプレート化してコンペ間で使い回す話は実験管理を参照
資料
エディタ・IDE連携(VS Code・Cursor)
ローカル・オンプレ環境
クラウド環境(GCP・AWS・RunPod)
Google Colaboratory・TPU
Kaggle Notebook環境
開発ツール・パッケージ管理
関連概念