Google Colab Free GPU教程
现在，你可以开发深度学习与应用谷歌Colaboratory -on的免费特斯拉K80 GPU -使用Keras，Tensorflow和PyTorch。
你好！我将向您展示如何使用Google Colab，Google为AI开发人员提供的免费云服务。借助Colab，您可以免费在GPU上开发深度学习应用程序。
什么是Google Colab？
Google Colab是免费的云服务，现在它支持免费的GPU！
您可以;
提高你的Python编程语言编码技能。
开发利用流行的库如深学习应用Keras，TensorFlow，PyTorch，和OpenCV的。
Colab与其他免费云服务最大的区别在于：Colab提供GPU并且完全免费。
有关该服务的详细信息可以在常见问题页面上找到。
准备使用Google Colab
在Google云端硬盘上创建文件夹
由于Colab正在使用您自己的Google云端硬盘，因此我们首先需要指定我们将要使用的文件夹。我在Google云端硬盘上创建了一个名为“ 应用 ” 的文件夹。当然，您可以使用不同的名称，或选择默认的Colab笔记本文件夹而不是应用程序文件夹。
我创建了一个空的“应用程序”文件夹
创建新的Colab笔记本
通过右键单击>更多> Colaboratory创建一个新的笔记本
右键单击>更多> Colaboratory
通过点击文件名来重命名笔记本。
设置免费的GPU
改变默认硬件非常简单（CPU到GPU或反之亦然） ; 只要按照编辑>笔记本电脑设置或运行>更改运行时类型和选择GPU的硬件加速器。
使用Google Colab运行基本的Python代码
现在我们可以开始使用Google Colab。
我将运行Python Numpy教程中的一些基本数据类型代码。
它按预期工作:)如果你不知道Python是AI最流行的编程语言，我会推荐这个简单而干净的教程。
使用Google Colab运行或导入.py文件
首先运行这些代码，以便安装必要的库并执行授权。
apt-get install -y -qq software-properties-common python-software-properties module-init-tools
！add-apt-repository -y ppa：alessandro-strada / ppa 2>＆1> / dev / null
！apt-获取更新-qq 2>＆1> / dev / null
！apt-get -y install -qq google-drive-ocamlfuse
从google.colab导入
auth.authenticate_user（）
从oauth2client.client导入GoogleCredentials
creds = GoogleCredentials.get_application_default（ ）
import getpass
！google-drive-ocamlfuse-headless -id = {creds.client_id} -secret = {creds.client_secret} ＆1 | grep URL
vcode = getpass.getpass（）
！echo {vcode} | google-drive-ocamlfuse-headless -id = {creds.client_id} -secret = {creds.client_secret}
当你运行上面的代码时，你应该看到这样的结果：
点击链接，复制验证码并粘贴到文本框中。
完成授权过程后，
安装您的Google云端硬盘：
！mkdir -p驱动器
！google-drive-ocamlfuse驱动器
安装Keras：
！pip安装-q keras
将mnist_cnn.py文件上传到位于Google云端硬盘上的应用程序文件夹。
mnist_cnn.py文件
运行下面的代码在MNIST数据集上训练一个简单的小圆点。
！python3 drive / app / mnist_cnn.py
从结果中可以看出，每个纪元只能持续11秒。
下载泰坦尼克号数据集（.csv文件）并显示前5行
如果你想从url下载 .csv文件到“ app”文件夹，只需运行：
！wget https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/csv/datasets/Titanic.csv -P drive / app
您可以直接将.csv文件上传到“app”文件夹，而不是使用wget方法。
在“ app ”文件夹中读取 .csv文件并显示前5行：
将pandas导入为pd
titanic = pd.read_csv（“drive / app / Titanic.csv”）
titanic.head（5）
将Github Repo克隆到Google Colab
用Git克隆一个Github库很容易。
第1步：找到Github回购并获得“Git”链接
找到任何Github回购使用。
例如：https：//github.com/wxs/keras-mnist-tutorial
克隆或下载>复制链接！
- Git克隆
只需运行：
！git clone https://github.com/wxs/keras-mnist-tutorial.git
3.在Google云端硬盘中打开文件夹
文件夹与Github回购当然是一样的:)
4.打开笔记本
右键单击>打开方式> Colaboratory
5.运行
现在，您可以在Google Colab中运行Github回购。
一些有用的提示
1.如何安装库？
Keras
！pip install -q keras
导入keras
PyTorch
！pip install -q http://download.pytorch.org/whl/cu75/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl torchvision
进口火炬
MxNet
!apt install libnvrtc8.0
!pip install mxnet-cu80
将mxnet导入为mx
OpenCV的
！apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-python
import cv2
XGBoost
！pip install -q xgboost == 0.4a30
import xgboost
GraphViz的
！apt-get -qq install -y graphviz && pip install -q pydot
import pydot
7zip阅读器
！apt-get -qq install -y libarchive-dev && pip install -q -U libarchive
import libarchive
其他图书馆
!pip install或者 !apt-get install安装其他库。
- GPU是否工作？
要查看您目前是否在Colab中使用GPU，可以运行以下代码以进行交叉检查：
import tensorflow as tf
tf.test.gpu_device_name()
3.我使用哪个GPU？
from tensorflow.python.client import device_lib
device_lib.list_local_devices（）
目前，Colab只提供特斯拉K80。
4.什么是RAM？
！猫/ proc / meminfo
- CPU呢？
！cat / proc / cpuinfo
6.更改工作目录
通常当你运行这个代码时：
！LS
你可能会看到datalab和驱动器文件夹。
因此，您必须在定义每个文件名之前添加drive / app。
为了摆脱这个问题，你可以简单的改变工作目录。（在本教程中，我更改为应用程序文件夹）与这个简单的代码：
import os
os.chdir（“drive / app”）
运行上面的代码之后，如果再次运行
！LS
你会看到应用程序文件夹的内容，并不需要一直添加驱动器/应用程序了。
7.“ No backend with GPU available”错误解决方案
如果您遇到此错误：
Failed to assign a backend
No backend with GPU available. Would you like to use a runtime with no accelerator?
稍后再试。现在很多人在GPU上踢轮胎，当所有GPU都在使用时，就会出现这个消息。
参考
8.如何清除所有细胞的输出
遵循工具>>命令选项板>>清除所有输出
9.“apt-key输出不应该被解析（标准输出不是终端）”警告
如果您遇到此警告：
警告：不应该分析apt-key输出（标准输出不是终端）
这意味着认证已经完成。您只需要安装Google云端硬盘：
！mkdir -p驱动器
！google-drive-ocamlfuse驱动器
结论
我认为Colab将为世界各地的深度学习和人工智能研究带来新的气息。
如果你觉得这篇文章有用，那么如果你给了它一些掌声并且分享来帮助别人找到它，那将意味着很多！并随时留下评论。
你可以在LinkedIn上找到我。
最后的笔记
这篇博文将不断更新。
更新日志
26-01-2018
“插入应用程序 文件夹 到 路径” 删除
“下载，阅读和显示.csv文件” 添加
“一些有用的技巧” 补充说
27-01-2018
“更改工作目录” 添加
28-01-2018
“克隆Github回购谷歌合作” 补充说
“pip安装mxnet”添加
29-01-2018
No backend with GPU available.添加错误解决方案
2018年2月2日
“MxNet安装” 更改（CPU到GPU）
2018年5月2日
“如何清除所有细胞的输出” 补充说
apt-key output should not be parsed (stdout is not a terminal)警告添加