因为打算学习transfer_learning，找的的案例需要用到kaggle上的数据集，800+M懒得下了，就想着顺手学一下kaggle怎么用，以后也好在colab和kaggle之间切换。但是看网上的内容可能有的比较老了，对我这种新新手不是太友好，所以打算自己总结一份简易入门的手册。
notebook文件指的是.ipynb文件，script文件指的是.py文件。accelerator指的是是否启用GPU。 上图中的所有设置，在创建文件后都还可以修改。 下面我们先以创建notebook为例。
save的话是存储该文件的一种版本，比如你当前正在试错，你可以在试错前先存一份预留， commit是提交并运行的。你训练的网络，需要在commit后才能拿到输出模型。 查看历史版本内容，也可以go to viewer去编辑。
选择kaggle提供的数据集或者上传自己的数据集。
我们选择Dogs vs.cats竞赛数据集，点击Add后在input中会显示。 点击数据集中的一个文件，可在编辑栏看到他的路径和内容。
克隆后的文件夹会放到output中。如果没有看到，请刷新。然后点击文件夹右侧复制路径，可以cd进入。
如果你不小心进入了一个你看不到的路径，并且使用Data处复制到的路径也cd不了，你可以尝试以下命令回到input或者working区域：
cd /kaggle/input cd /kaggle/working在此补充一点：input和working可以看做是总目录kaggle下的并列的两层上层目录。
我们在本地可以直接在电脑上新建文件夹，可视化地对文件进行分类，新建，移动等，还可以实现文件夹的分级操作。在colab上其实也是可以办到文件夹的可视化操作的。但是在kaggle上就完全不行，必须按照Linux的操作方式。 在某路径下新建文件夹需要用命令mkdir 路径名/新建文件夹名，具体例子如
mkdir ./new删除某路径下的文件或文件夹，下边的new可以是文件或文件夹。
rm -r ./new以colab为例，在colab上下载kaggle竞赛的数据集。 首先获取kaggle的下载权限（秘钥）：在My Account中点击create new api token，会下载一个json文件，其中包含秘钥。同时会在网页上弹出图示的绿框，提醒我们必须要将此文件放在哪个路径下。 然后我们指定一个创建一个py或ipynb文件，执行以下命令，进入欲下载的目录和安装kaggle包。
按照如下操作，在指定位置放好刚才下载的json文件，并给予文件权限。注意我们对json文件的所有操作都是为了将其放在/.kaggle下。 然后我们到kaggle官网中寻找需要的数据集，并复制它的下载命令。如下所示： 接着我们指定下载路径，并粘贴下载命令即可完成下载。 打开目录，检查一下（当然了，他会给你放到一个competitions的文件夹下，这只能在后期修改，上面的命令中不能改）：
在本地使用命令来下载kaggle的数据集时，如果出现json放到./kaggle出错的情况，可以参考这篇文章。
