colab使用记录

1.挂载谷歌账户 要输入两次验证码

!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-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse
from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}

2. 建立工作文件夹drive

!mkdir -p drive
!google-drive-ocamlfuse -o nonempty drive

3.查看当前目录

import os
path = "/content/drive"
os.chdir(path)
os.listdir(path)

4.下载仓库

!git clone https://github.com/bai-shang/OCR_TF_CRNN_CTC

再次查看当前目录

import os
path = "/content/drive/OCR_TF_CRNN_CTC"
os.chdir(path)
os.listdir(path)

 

5.解压压缩包

!unzip bs_synth90k_model.zip

6.寻找某个文件

!whereis python #所有python相关的
!which python  #只找名字为python的
!sudo find / -iname 'libcublas*' #以root权限找前缀为libcublas的

7.运行本地代码

   (1) 将本地代码上传至google drive

（2）在代码文件中创建一个 colab 文件：code_run_file.ipynb --- 用于运行本地代码。

（3）打开 code_run_file.ipynb ，按照以下步骤运行本地代码

 
! cd [本地代码的位置]  # 目的：使colab的工作环境在本地代码文件位置。
 
 
# 关键命令：
! python3 需要运行的文件名.py

8.查看当前路径和当前路径的内容

# Check your current directory
!pwd
# Check contents under current directory
!ls

9.查看colab的操作系统

!sudo lsb_release -a #查看操作系统版本

10.查看CUDA版本

!cat /usr/local/cuda/version.txt #查看CUDA版本

可以看到colab的CUDA版本为10.0，而我使用的tensorflow1.8对应的CUDA版本为9.0

所以报错：ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

还没想到咋解决，求指点呜呜..

直接更新tensorflow-gpu版本就好了：!pip install --upgrade tensorflow-gpu==1.13.1

11. Colab中下载数据到Google Drive

例如，直接从URL上下载数据到自己Google Drive的Colab Notebooks文件夹：

!wget https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/csv/datasets/Titanic.csv -P 'TerenceDrive/Colab Notebooks'

12.是否在使用gpu

import tensorflow as tf
tf.test.gpu_device_name()

 

12.查看在使用哪个gpu

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

 

13.查看RAM有多大

 !cat /proc/meminfo