Google Colab的一些注意事项

1、执行命令行前面加！

当我们使用python解释器时，我们需要不停地在命令行和IDE 之间切换，当我们需要使用命令行工具时。不过，Jupyter Notebook给了我们在notebook中运行shell命令的能力，在指令前多放一个!就行了。任何命令行的指令都可以在IPython 中运行，只要前面多一个！。

In [1]: !ls
example.jpeg list tmp

In [2]: !pwd
/home/Parul/Desktop/Hello World Folder'

In [3]: !echo "Hello World"
Hello World

我们可以像下面这样把值传入和传出shell 命令：

In [4]: files= !ls

In [5]: print(files)
['example.jpeg', 'list', 'tmp']

In [6]: directory = !pwd

In [7]: print(directory)
['/Users/Parul/Desktop/Hello World Folder']

In [8]: type(directory)
IPython.utils.text.SList

注意，返回结果的数据类型并不是list。

 

2、挂载Google Drive

如果你不需要连接到Drive上的文件，直接用Colab打开.ipynb文件即可，目录如下：

 

 若你此时需要用到其它文件，可以直接点“上传”，但会提示你运行关闭后上传的图片将被删除。比如我传一张图片上去，

 

但这种方法只能上传单个文件，不能上传文件夹。一个好的方法是与Drive关联。

可是默认状态下，Colab根本就不知道我们的数据文件夹在哪里——即便我们本来就是从Google Drive的演示文件夹下面打开这个ipynb文件的。  

此时，必须将Drive中的文件与Colab关联，可以执行一下命令授权：

from google.colab import drive
drive.mount('/content/drive/')

这个命令是将Drive挂载到‘/content/drive’下，查看此时的目录就知道了

注意，每次打开新的Colab Notebook都需要重新关联。

 

3、切换当前文件夹

Colab中使用pwd，ls等命令都没有问题，就是使用cd命令切换路径时没有任何变化（怀疑人生）

import os
os.chdir("drive/.../...") 

此处为google drive中的文件路径,drive为之前指定的工作根目录，当然，也可以用相对路径，与普通的cd一样。

 还有几个坑，待续......

 

接上文

4、查看python、OpenCV版本

import sys
import cv2
print("python版本:%s"% sys.version)
print("opencv版本:%s"% cv2.__version__)

 

5、自带库及库的安装

Colab 自带了 Tensorflow、Matplotlib、Numpy、Pandas 等深度学习基础库。如果还需要其他依赖，如 Keras，可以新建代码块，输入

# 安装最新版本Keras
# https://keras.io/
!pip install keras
# 指定版本安装
!pip install keras==2.0.9
# 安装 OpenCV
# https://opencv.org/
!apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-python
# 安装 Pytorch
# http://pytorch.org/
!pip install -q http://download.pytorch.org/whl/cu75/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl torchvision
# 安装 XGBoost
# https://github.com/dmlc/xgboost
!pip install -q xgboost
# 安装 7Zip
!apt-get -qq install -y libarchive-dev && pip install -q -U libarchive
# 安装 GraphViz 和 PyDot
!apt-get -qq install -y graphviz && pip install -q pydot

!pip install jieba
!pip install h5py

 

 

参考链接：

1、Jupyter Notebook数据科学最佳实践指南

2、http://wap.sciencenet.cn/blog-377709-1098006.html?mobile=1

3、https://www.jianshu.com/p/ce2e63d1c10c

 

转载于:https://www.cnblogs.com/lfri/p/10495134.html