3 个相见恨晚的 Google Colaboratory 奇技淫巧！

点击上方“AI有道”，选择“星标”公众号

重磅干货，第一时间送达

原文出处：

https://www.kdnuggets.com/2018/02/essential-google-colaboratory-tips-tricks.html

试想一下，如果有个免费的在线云端平台，既可以不用安装 TensorFlow 直接使用，又可以实现 GPU 加速训练，那该是多好的一件事情。你没听错，这种好事确实存在！今天我就重磅介绍一个谷歌推出的免费的云端工具：Colaboratory。

Colaboratory 是一个 Google 研究项目，旨在帮助传播机器学习培训和研究成果。它是一个 Jupyter 笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。Colaboratory 笔记本存储在 Google 云端硬盘中，并且可以共享，就如同您使用 Google 文档或表格一样。Colaboratory 可免费使用。

也就是说，Colaboratory 存储在 Google 云端硬盘中，我们可以在 Google 云端硬盘里直接编写 Jupyter Notebook，在线使用深度学习框架 TensorFlow 并训练我们的神经网络了。超炫！

这里有 3 个令人相见恨晚的奇技淫巧来简化它的使用，分别是：使用免费的 GPU、安装库、上传并使用数据文件。

下面分别介绍：

1. 使用免费的 GPU

在打开的 Jupyter Notebook 中，选择菜单栏“代码执行程序（Runtime）”，“更改运行类型（Change runtime type）”，这时将看到以下弹出窗口：

确保“硬件加速器（Hardware accelerator）”设置为 GPU（默认为 CPU）。设置完毕后点击保存。

值得注意的是确认笔记本处于已连接的状态：

检查是否真的开启了 GPU（即当前连接到了GPU实例），可以直接在 Jupyter Notebook 中运行以下命令：

import tensorflow as tf
device_name = tf.test.gpu_device_name()
if device_name != '/device:GPU:0':
  raise SystemError('GPU device not found')
print('Found GPU at: {}'.format(device_name))

若输出以下语句，则表明已经使用了 GPU 实例。

Found GPU at: /device:GPU:0

但是，由于在线 GPU 资源有限，有时候可能会出现下面的问题提示：

 

就这样，谷歌允许你一次最多持续使用 12 小时的免费 GPU。

2. 安装库

目前，在 Google Colaboratory 中安装的软件并不是持久的，意味着每次重新连接实例时都需要重新安装。但是，Colab 已经默认安装了需要有用的库，安装新的库也并非难事，方法也有好几种。

但需要注意的是，安装任何需要从源代码构建的软件可能需要很长的时间。

Colab 同时支持 pip 和 apt 包管理器。无论您使用的是哪一个，记住要在命令前面加上符号 “!”。

# Install Keras with pip
!pip install -q keras
import keras

>>> Using TensorFlow backend.

# Install GraphViz with apt
!apt-get install graphviz -y

3. 上传并使用数据文件

我们一般都需要在 Colab 笔记本中使用数据，对吧？你可以使用 wget 之类的工具从网络上获取数据，但是如果你有一些本地文件，想上传到你的谷歌硬盘中的 Colab 环境里并使用它们，该怎么做呢？

很简单，只需 3 步即可实现！

首先使用以下命令调用笔记本中的文件选择器：

from google.colab import files
uploaded = files.upload()

运行之后，我们就会发现单元 cell 下出现了“选择文件”按钮：

这样就可以直接选择你想上传的文件啦！

选择文件后，使用以下迭代方法上传文件以查找其键名，命令如下：

for fn in uploaded.keys():
  print('User uploaded file "{name}" with length {length} bytes'.format(name=fn, length=len(uploaded[fn])))

例如待上传的是 iris.csv 文件，若运行没有问题的话，应该出现类似下面的提示语句：

User uploaded file "iris.csv" with length 3716 bytes

最后，就使用以下命令将文件的内容加载到 Pandas 的 DataFrame 中了：

import pandas as pd
import io
df = pd.read_csv(io.StringIO(uploaded['iris.csv'].decode('utf-8')))
print(df)

这种上传文件的方法是不是很简单呢？当然，上传和使用数据文件还有其它的方法，但是我发现这一方法最简单明了。

以上就是关于 Google Calaboratory 的 3 个非常实用的技巧，赶紧尝试一下吧！

最后，可能有的读者朋友对 Google Calaboratory 不太了解的，可以查看我之前写的一篇文章：如何在免费云端运行 Python 深度学习框架？链接如下：

https://redstonewill.com/1493/

也可以点击阅读原文查看！

【推荐阅读】

干货 | 公众号历史文章精选（附资源）

我的深度学习入门路线

我的机器学习入门路线图

麻烦点一下「好看」 ?