Colab初体验 | 用tensorflow简单实现 cifar-10 数据集构建CNN

笔者又来了。由于心血来潮，很想尝试一下Google Colab的效果如何，把前几天发出来的CNN测试代码放在Colab上，测试效果如何。下面就让我们进行实验吧~

第一步：当然是注册一个Google账户了！

这个步骤就请参考百度。（实在太多了，“对阵下药”解决问题才是重要的。）笔者之前注册好了一个账号，过了一晚上又登陆不上了，因为手机号验证不通过造成的。这真的很糟心呀！因为借用了同学的账号进行了下面的操作，感谢帮助我的同学！

第二步：创建一个新的笔记本

可以点击这个来修改当前笔记本的名字。

点击 代码执行程序——>修改运行时类型，修改为GPU硬件加速器。

第三步：挂载Google drive

下面的代码用于安装库，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-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}

以上的结果是经过了两次验证，点击上面的链接，登陆后得到对应的密钥，填入到对应的方框中，确认"Enter"，即可完成上面的操作。

创建drive根目录。

#指定Google Drive云端硬盘的根目录，名为drive
!mkdir -p drive
!google-drive-ocamlfuse drive

第四步：上传你的代码文件（xx.py）

最好上传至/content/drive/目录下。记得要修改代码里文件的路径，这是最基本的操作，不能忘记噢！！

第五步：下载数据集

因为从本地上传数据集就太慢了，直接从网上下载下来，既省心又不费力，棒(๑•̀ㅂ•́)و✧~

下载cifar-10数据集，直接从网站上下载。

# Get CIFAR10
!wget http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz
!tar -xzvf cifar-10-python.tar.gz
!rm cifar-10-python.tar.gz 

需要注意的是， 之前的代码的运行环境：tensorflow1.13.1。要是tensorflow2.2.0，则需要修改代码。笔者修改过，还是报错好多，因此就可以在colab下执行!pip install tensorflow==1.13.1换成上篇的环境即可。

附上tensorflow 1.12+ 与tensorflow 2.0版本的区别：
https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0

第六步：执行代码

确定代码没有报错之后，可以运行代码啦！

输入下面的代码，就可以把代码跑起来啦~

! python /content/drive/test06.py

代码还在跑……，运行好慢好慢好慢……

下图是用自己笔记本跑出来的结果，可以看到，用colab跑出来的结果不仅差了一点，速度还很慢很慢很慢……

结束这次colab的初体验。

完结撒花★,°:.☆(￣▽￣)/$:.°★ 。

---

遇到的问题：RuntimeError:tf.placeholder() is not compatible with eager execution

修改import tensorflow as tf为：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()

就解决了笔者当时遇到的bug。

笔者是参考某个博客大佬的经验，附上链接：
https://blog.csdn.net/qq_39777550/article/details/104224296

PS：查看GPU情况

下面的代码可以查看GPU是否在colab中：

import tensorflow as tf
tf.test.gpu_device_name()

查看GPU显存情况：

!/opt/bin/nvidia-smi

查看GPU显存的上限值：

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

参考博客：https://blog.csdn.net/oldmao_2001/article/details/90737735