Google Colaboratory

一.前言

Google Colab，全名Colaboratory，是由谷歌提供的免费的云平台，可以使用keras、tensorflow等框架进行深度学习。最近Colab平台已经将K80 GPU更换成Tesla T4 GPU，提供了更强的算力，可以完美“薅谷歌的羊毛”。对于刚入门机器学习或深度学习的用户，这个平台是不二之选。
Colab是一个免费的 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。借助 Colab，我们可以编写和执行代码、保存和共享分析结果，以及利用强大的计算资源，所有这些都可通过浏览器免费使用。

二.如何使用Colab

（1）登录Google云端硬盘 https://drive.google.com/drive/my-drive（要FQ）

然后：新建-->更多-->Google Colaboratory

得到一个ipynb文件，类似Juypter Notebook

（2）使用GPU/TPU

修改-->笔记本设置-->硬件加速器*

Nvidia Tesla GPU算力排行

（3）Google云服务器的存储性能

在Colab主界面右上角点击连接便可连到Google的云服务器（远程主机），在开启GPU的情况下，Colab提供了12.72GB的内存性能，与kaggle中kernel的13GB内存相比相差不大。

（4）基础指令

colab与linux环境指令类似，仅需要在指令前添加 “!” 即可。

比如使用 !nvidia-smi 查询显卡信息，可见Google服务器分配的显卡是Tesla P100：

比如使用 !ls -a 列出指定目录下的所有文件信息：

image.png

比如使用 !pip list 列出安装的库和包：

（5）导入数据

在colab环境下导入数据一般有三种办法：

（1）直接上传文件

可以直接在文件中点击上传
比如上传一张图像----2.png

这是上传结果：

注：从这里上传文件，是直接上传到远程主机，没有经过Google Drive；并且上传的文件只在这个主机的Runtime中有效。对于这种方法不推荐，因为分配的云服务器是暂时的，断开连接后空间释放，数据文件直接消失，下次连接的新服务器不会保留数据文件。

（2）上传Google Drive并挂载导入

因此建议使用第二种方法，将数据文件上传到Google Drive（Google云端硬盘）中，然后将Google云端硬盘挂载到远程主机上，这样不会存在数据丢失的情况。Colab的运行原理实际上就是Google给我们分配一台远程的带GPU的主机，所以它的原始路径不是我们的Google云端硬盘所在的路径,远程主机的目录像这样：

在Google云端硬盘新建一个目录----DeepLearning
它的完整目录是： My Drive/DeepLearning/
注：My Drive就是表示 “我的云端硬盘”

将Google云端硬盘挂载到远程主机上：

方法一：

（1）上传一个本地文件----test.txt到 My Drive/DeepLearning/ 目录下

（2）在Colab的会话下输入下面指令：

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

注：这里的 '/drive' 是远程主机的目录，且它不能是已经存在的目录；它是Google云端硬盘挂载到远程主机的具体位置：/drive/My Drive/xxx

代码运行后出现以上链接，点击链接登录会出现验证码，复制粘贴到方框内便能在文件目录下挂载Google Drive文件夹，读取数据。

加载完成后，会出现如下结果：

方法二：

直接在文件中点击装载Google云端硬盘

装载结果：

Google Drive默认装载在 /content/drive/ 目录下

（3）从github仓库下载导入

三.小结

colab平台的优点和缺点如下：

优点:

(1)免费提供GPU，降低成本，对买不起GPU的学生党来说是重大福音。
(2)显卡对比前一代K80有较大提升。

缺点:

1)网络不稳定，经常出现断连的情况，每隔一段时间需要切进来点击连接，一旦断连时间过长就会停止运行，等于白跑了。
(2)内存不够，大型网络会显得捉襟见肘。

Colab平台对于入门机器学习或深度学习的用户来说是较好的工具，但是如果想要在CV/NLP领域做科研,发好论文显然性能是不够的，建议配好的服务器,或者到极客云/阿里云/腾讯云租云服务器。