kaggle ai绘画实测：一台免费P100跑扩散模型的一周记录
先说结论：kaggle ai绘画适合练手和批量试参数，不适合当生产力，每周三十小时配额要当钱花。我没有显卡，全靠一台免费的P100跑了一周，单张成本为零，代价是折腾，账在下面。
我是北京的做数据分析的，白天写SQL晚上写Python，公司配的笔记本是集显，想玩扩散模型又舍不得为「玩」花几千块买卡。十月中旬我在论坛看到有人拿Kaggle的免费GPU跑文生图，kaggle ai绘画这个组合就这么进了我的清单：一个周日下午，我开了第一个notebook，一周后攒下这份记录。
环境先交代：Kaggle免费账户，GPU二选一，P100十六G显存或者T4x2，每周三十小时配额，单个会话最长十二小时。我跑的是SD 1.5系的模型，fp16精度，五十步采样单张大约八秒，一晚上能出几百张，这个速度对试参数完全够用。
免费的P100够干什么、不够干什么
P100十六G跑SD1.5绰绰有余，够做提示词实验、参数扫描和小批量出图，不够跑大参数模型和视频生成，配额一到手凉。我第一晚就踩了显存的坑：默认fp32加载，跑到第四张直接OOM，进程被杀，notebook重启。改成fp16之后显存占用砍半，再没溢出过。另一个教训是图别一张一张出，我后来改成循环出图，一个会话跑满四小时攒了三百多张，效率天差地别。
至于不够干什么，也说得直白：十二小时会话上限意味着你挂不了常驻服务，三十小时周配额意味着你连着刷三天就得歇到下周一。想拿它跑直播推流或者给公司出图？别想了，这平台是给学习和实验用的，跑之前把用途想明白，能省一半时间。
模型怎么搬上去：Datasets那点事
Kaggle环境不联网下载模型，正确姿势是先把模型文件传成私有Dataset，notebook里直接挂载路径读取，一次上传反复用。我头一回干这个就犯了懒，以为代码里写个download就能拉模型，跑起来才发现环境默认断外网。老老实实把四G的模型文件在本地传成Dataset，挂载后从/kaggle/input读，加载两分钟搞定。还有个细节：Dataset单个文件有大小上限，超了的要切片上传，我切的第一次忘了校验文件完整性，加载时报错找了半个钟头。
输出文件记得定期搬到/kaggle/working之外留底，会话一关working目录就清了。我周三晚上跑完没保存，周四早上一看输出空空如也，四小时配额白烧，气得我当场立了条规矩：每出一百张，代码里自动打一次压缩包存盘。程序员的习惯在这时候是救命稻草，想把出图接进自动化流程的，这篇程序员的半自动路子跟我思路对得上：OpenCV加AI绘画的半自动出图流程：程序员视角实测。
一周用下来的账和坑
一周烧了二十六小时配额，出图一千一百多张，能用的六十七张，最大的收获是参数扫描，最大的坑是配额管理。具体点：周二那晚我开了两个notebook并行，配额双倍速烧，半小时后我才反应过来两个会话都计时，赶紧关了一个。配额表在个人设置页看，建议每次开卡前瞄一眼，我后来把「查看余量」写进了自己的开机清单。还有平台条款那条红线：Kaggle明确禁止用算力生成违规内容，账号封了申诉基本无门，测试什么提示词自己心里有杆秤。
产出方面说句公道话：这一千一百张里挑出的六十七张，比我用在线服务零散出的图质量齐整，原因不是P100神奇，是我终于有算力把同一组参数横着扫了一遍。很多「玄学」其实是变量没控住，算力够了你才有资格谈控制变量。这个认识跟高级出图的分水岭那篇的判断是一路的，算力和可控性确实是相辅相成的东西——等等，这句我自己都觉得绕，直白点讲：卡不够的时候你在抽卡，卡够了才能调参。
周末我把七天的笔记整理成一份checklist存进了仓库，下次再开新项目，直接照单开工。Kaggle那台P100我还剩四小时配额，留给我想验证的最后一组采样器对比。零成本试错的这条路子，程序员真该试一次，最坏的结果不过是配额烧完，而这恰好是它最便宜的地方。
常见问题
显存还是不够怎么办？
三板斧：fp16加载、开注意力切片、把分辨率降到512再出图。三招下去SD1.5在P100上稳得很，还不行就是模型太重，换小参数模型比硬扛强。
账号会被封吗？出图内容有什么限制？
正常跑文生图不违规，平台封的是违规内容和滥用配额的行为。我全程没碰真人换脸和违规题材，账号平安。你用之前把平台使用条款过一遍，别拿测试当借口。
在Kaggle出的图能商用吗？
模型许可证决定一切，平台本身不管你图卖不卖。我用的模型许可证允许商用，你的未必，加载模型前看一眼LICENSE文件，两分钟的事，能免去以后所有扯皮。
跟本地显卡跑比差在哪？
差在可控和可持续。本地卡随时开随时跑，Kaggle要传Dataset、盯配额、防会话中断，图的质量倒没有差别。练手用Kaggle，真要长期出图，攒钱买卡是绕不开的。