Colab实用教程（免费的深度学习GPU环境）

一、Colab是什么？

Google Colab 是一个免费的云服务并支持免费的 GPU，可以：

• 提高你的 Python 语言的编码技能。
• 使用 Keras、TensorFlow、PyTorch 和 OpenCV 等流行库开发深度学习应用程序。
• Colab 与其它免费的云服务最重要的区别在于：Colab 提供完全免费的 GPU，对学生党进行AI学习提供便利。

Colab 是Google的且服务器在国外

• 如果不能使用Google，推荐使用Kaggle（国内也能访问）免费的深度学习GPU环境Colab和Kaggle搭配使用
• 如果可以上Google，那就继续往下看学习Colab用法！

二、Colab的基本配置

1. 登录 Google Drive
2. 在 Google Drive 上创建文件夹，我创建的是名字为 app 的文件夹
   
3. 创建新的 Colab 笔记（Notebook），通过 右键点击 > More > Colaboratory 步骤创建一个新的笔记

通过点击文件名来重命名笔记

4. 打开 GPU
Edit > Notebook settings 或者进入 Runtime > Change runtime type，然后选择 GPU 作为 Hardware accelerator（硬件加速器）。

5. 使用 Google Colab 运行基本的 Python 代码
这个倒是不常用，使用这个功能类似jupyter notebook，而我们要跑的代码基本是已经编辑好的工程项目。利用colab主要是想通过GPU加速更快的训练。

6. 在创建的文件夹页面上传你的整个要跑的文件(包括数据集)，右击选upload fold 或者直接拖拉也行

三、Colab 模型训练

1. 加载盘

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

2. 切换到你要跑的目录下面

# 指定当前的工作文件夹
import os
# 此处为google drive中的文件路径,drive为之前指定的工作根目录，要加上
os.chdir("/content/drive/MyDrive/LapSRN/") 

3. 安装Pytorch以及torchvision
   Colab 一般情况下已经自带了pytorch环境了。若没有可以进行相应的安装：

!pip install torch torchvision  # 在Colab中执行操作语句时，感叹号不能漏

4. 执行训练命令
   

5. 注意事项
   最重要的是路径问题，一般在data.py或者dateset.py文件里面有关于路径的，还有save model时候。可以将路径相关的都改成parse的语句，在执行命令时传入防止出错。相关的路径可以直接复制

---

---

---

参考资料：
Colab 实用教程
免费的深度学习GPU环境Colab和Kaggle搭配使用
免费的GPU——colab使用教程.
colab中使用本地数据集
Google colab使用教学