谷歌Colab运行TensorFlow超详细使用方法

谷歌Colab运行TensorFlow超详细使用方法

打开下面的网址，会弹出如下界面：

https://colab.research.google.com/notebooks/welcome.ipynb

在右上角完成登录操作，没有Google邮箱可以先注册一个。

登录成功后，点击左上角的文件，选择新建笔记本。

然后在弹出的页面左上角可以修改笔记本的名字

尝试运行一下Python代码，用法和jupyter notebook一样，点击播放按钮即可运行。

点击左边工具栏的文件按钮，并点击装载Google云端硬盘。

选择“连接到GOOGLE云端硬盘”。

挂载谷歌云盘

这一步很重要，Colab的运行原理实际上就是给你分配一台远程的带GPU的主机，所以它的原始路径不是你的谷歌云盘（也就是你的代码文件）所在的路径。所以第一步我们先要把谷歌云盘挂载带到那台远程主机上。
运行下面代码：

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

点击运行结果中网页获取验证码

复制到输入框中并按回车确定

在代码执行程序中选择更改运行时类型

选择GPU硬件加速器，点击保存

左边是文件夹目录，返回上一级目录后如下：

和Linux操作系统类似，同时也支持常见的Linux命令

使用”cd /home/”我们可以把目录切换到根目录下的家目录下

使用”pwd”可以查看当前工作目录

然后上传Python代码和训练数据集等到工作目录中，这里选择家目录为工作目录（也可以选择其他目录或者创建一个新目录，但在运行代码时注意当前工作目录是上传的py文件所在目录）。点击家目录右边的三点并点击上传文件。注意不能上传文件夹。

上传数据集文件较大时比较缓慢，需要耐心等待。

上传成功：

双击py文件可以打开查看和修改

默认使用TensorFlow2.x版本，若要执行1.x版本的代码，需要使用以下代码：

%tensorflow_version 1.x

以下代码可以查看tensorflow版本信息

import tensorflow
print(tensorflow.__version__)

输入”!python xxx.py”即可运行，xxx.py为要运行的文件名。输入过程中会有提示，回车即可完成。然后点击播放运行代码。

运行结果如下（生成的文件也会在文件路径中，如tensorboard，模型文件等）：

结论：

对示例项目经过测试发现：
使用电脑自带CPU（i5）在PyCharm训练时间约为：2分33秒。
使用谷歌GPU训练时间约为：4分16秒。
使用谷歌TPU训练时间约为：1分28秒。

猜测原因：
1.和训练数据有关，tfrecord格式利用CPU训练也很快。
2.训练时间太短，GPU的优势没有体现出来，不过使用TPU还是非常快的。

常见运行出错问题：

1. 数据集文件路径错误，导致运行时读取数据失败。
2. 工作目录错误，运行代码时一定要使用cd命令切换当前目录（工作目录）到py文件所在的目录再运行。
3. TensorFlow版本错误，默认使用2.x版本，运行1.x的代码需要更改。
4. 网络问题导致运行失败（可能存在），解决办法：退出重进

参考连接：

https://www.jianshu.com/p/a42d69568966
https://blog.csdn.net/qq_44262417/article/details/105222696