使用colab运行github上的ipynb文件
目录
1、Windows下安装PyTorch跑深度学习
方法一
方法二
2、在colab下跑深度学习
什么是colab？
一般使用方法
3、使用colab运行github上的ipynb文
1、Windows下安装PyTorch跑深度学习
入门深度学习，选择了沐神的《动手学深度学习》，b站上有，这里不多说。
刚入门就被安装环境难住（在这里我分析了下，主要还是资本不够，没有好的GPU，一般GPU都是1080起步，我使用的电脑虽然有GPU，但是这GPU完全不能用来跑深度学习，而我为啥还要安装了，当然还是想试一下，跑一个简单的网络能行不）
在Windows下安装CUDA和PyTorch
我主要使用了两种方法，但是第一种方法安装失败了
方法一
这个方法是跟着沐神在b站视频Windows下安装CUDA和PyTorch跑深度学习
遇到的问题是在安装CUDA时，安装失败，然后我又试了几遍还是不行，我就放弃了，去了B站找帮助，果然被我找到了，于是有了方法二
方法二
我想说这个博主讲的太仔细了，分为CPU版和GPU版安装PyTorch，我们是为了跑深度学习当然是要安装GPU版的
最详细的 Windows下PyTorch 入门深度学习环境安装与配置博主名叫我是土堆
他分了31个视频来详细介绍，但并不需要全部看完，中间有python环境Anaconda以及PyCharm安装，我认为都入门深度学习了，这些肯定是必备的了，所以主要看下面这几个（当然这是我的个人看法）
1如何使用此教程&教程大纲
9聊聊 显卡GPU与CUDA
11判断是否有NVIDIA（英伟达）GPU
23GPU版本-GPU与CUDA准备工作
24GPU版本-conda的通道与镜像地址
25GPU版本-判断CUDA Runtime版本
26GPU版本-安装PyTorch（方法1）
27GPU版本-安装PyTorch（方法2）
28GPU版本-验证PyTorch
29GPU版本-PyCharm的安装与配置（主要是后面的配置）
就这样我成功的安装好了
我迫不及待的去尝试了一下，我用一个简单的残差网络来尝试的，模型是从沐神《动手学深度学习》配套的电子教案
可以看出安装环境是成功了的，但由于我的GPU太差了，运行速度实在太慢了，整个网络运行完成一共花了接近两个小时。
所以我就想到了云服务器，还是由于资金问题，查找了很多资料，选择了colab
2、在colab下跑深度学习
什么是colab？
全称Colaboratory（简称Colab），它可以像jupyter notebook一样，在浏览器中编写和执行Python代码，并且：无需任何配置，免费使用GPU，轻松共享。
（注意：colab需要有谷歌账号，so需要科学上网，也可以使用插件，例如iGG谷歌学术助手）
下图是Colab界面
一般使用方法
- 新建笔记本（这个笔记本的文件类型是.ipynb）
新建步骤
新建好的笔记本如下
- 操作笔记本
笔记本其实就如在jupyter notebook中新建一个python文件
更改笔记本名称，如下图
其他操作和jupyter 一样
- 为笔记本配置资源（重点）
在页面的右上角有一个连接，点击下拉选项，选择查看资源
资源下面有更改运行时类型，点击它
可以设置笔记本，硬件加速器选择GPU，再保存就可以，回到刚才的连接，点击连接，就会进行资源配置
资源配置好的就会如下图，就可以直接运行代码了
3、使用colab运行github上的ipynb文
这部分其实只需要一个简单的谷歌浏览器插件，可以在扩展程序中搜索就能找到，就是下面的插件
有了这个插件，可以把它固定在浏览器上
我们打开一个github上的ipyjb文件，直接点击open in Colab就可以
注意此时并没有连接资源
需要进行资源配置，上面我有讲述过怎么操作，同样进行操作就可以
不得不说，这比我自己电脑跑快了很多很多，同样的残差网络在Colab上我只用了不到7分钟，我觉得这对于穷学生来说实在太友好了
Colab会要求人机验证，这个验证一下就没事，可以继续使用