Google Colaboratory：一款用于深度學習的免費GPU使用方法

• 一、Google Colab介紹
• 二、Google Colab使用方法
• • 2.1 登陸Google云盤
  • 2.2 創建Google Colab類型文件
  • 2.3 Colaboratory文件環境配置
  • 2.4 Google Colaboratory的與深度學習相關配置環境基本信息
• 三、Google Colaboratory掛載谷歌云盤（Google Drive）
• • 3.1 加載本地數據到云盤上
  • 3.2 下載云盤數據到本地

眾所周知，在訓練深度學習時候需要非常大計算資源，通常CPU是不能滿足需求的，這個時候就需要使用GPU來進行計算。但是如果自己購買高性能的GPU，比如1080Ti都需要3000左右。因此，本文介紹一款免費的GPU計算資源：GPU Colaboratory。

一、Google Colab介紹

Google Colaboratory（可縮寫為Google Colab）是谷歌開放的一款用于機器學習領域的免費研究工具，最主要的是它給AI研究人員提供了免費的Tesla K80 GPU使用，該GPU以前具有24GB的顯存容量（現在大概為16GB），可以輕松的訓練Keras、Tensorflow、Pytorch等框架的深度學習模型。

Google Colab是基于jupyter notebook環境的，支持python2/3，同時還包括GPU、TPU加速。它與Google云盤集成，用戶可以通過Google云盤共享項目或將其他項目復制到自己的賬戶中。

二、Google Colab使用方法

2.1 登陸Google云盤

Google云盤的網址為：https://drive.google.com/drive/my-drive，并注冊賬戶。這樣就可以開心地使用Google Colaboratory了，打開云盤，點擊我的云盤硬盤下面的新建文件夾，創建自己的項目文件Deep Learning。

2.2 創建Google Colab類型文件

右鍵創的項目文件Deep Learning，選擇打開方式下的關聯更多應用。

如下圖所示，在Goolge Workspace Marketplace中安裝Colaboratory應用。

這時，我們就可以根據下圖，創建Colaboratory文件了。點擊建立的文件Deep Learning，在文件的空白處點擊鼠標右鍵，在彈出的對話框中選擇更多，然后選擇Google Colaboratory。

這樣我們就在Deep Learning文件夾下面創建了Colaboratory類型的文件了，系統會以網頁形式打開如下圖所示。Colaboratory類型文件是一個Jupyter notebook文件，可以通過網頁打開它，并在該文件中編輯python文件。點擊文件中的重命名我們就可以自定義Colaboratory文件的名字了。

2.3 Colaboratory文件環境配置

如果想讓創建的Colaboratory文件跑GPU程序，我們需要對其進行環境配置。雙擊建立的Colaboratory文件，如下圖所示，點擊工具欄的修改，然后點擊筆記本設置。

如下圖所示，在彈出的筆記本設置對話框中進行環境配置。在硬件加速器中選擇GPU，最后保存推出就完成了GPU環境配置。

注意:
這里如果不配置GPU，創建的Colaboratory類型的文件運行的遠程Google Colaboratory虛擬環境是沒有顯卡信息的。

2.4 Google Colaboratory的與深度學習相關配置環境基本信息

注意:
（1）創建的Colaboratory類型的Example_1.ipynb文件是運行在Google Colaboratory遠程服務器上的，它是一個以jupyter notebook界面顯示的深度學習開發環境的Ubuntu20.04系統。
（2）因此，我們不僅可以在上面運行python腳本，還可以使用pip指令安裝庫，甚至還能運行Linux Shell腳本，只不過需要在Linux指令前面加一個！。另外，還需要注意的是在Google Colaboratory平臺上cd命令是無效的，切換目錄使用的是os.chdir命令，比如，切換到根目錄：import os; os.chdir('/')。

• 如下圖所示，給出Google Colaboratory遠程服務器上一些基本信息，可以看出系統默認安裝的Tensorflow版本為2.8.8，python版本為3.7，系統為ubuntu18.04。

• 需要輸入的命令為：

from tensorflow import python import tensorflow as tf print('Google Colaboratory遠程服務器中的Tensorflow版本：', tf.__version__) print('Google Colaboratory遠程服務器中的Python版本及其位置：') print(python)!lsb_release -a

• 如下圖所示，Google Colaboratory遠程服務器上顯卡信息如下所示，顯存為16GB，最高支持的CUDA版本為11.2。

• 如下圖所示，輸入命令!nvcc --version，可以看出Google Colaboratory遠程服務器上CUDA的版本為11.1版本。

• 如下圖所示，可以查看CPU內存、GPU內存使用上限，由下圖可以看出，CPU的使用上限只有256M，GPU內存的使用上限為11.4GB，另外，如果購買Colab pro顯存會變為16GB。
  指令如下所示：

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

• 如下圖所示，可以查看GPU是否在Google Colaboratory中，輸出結果為'/device:GPU:0'表示GPU已經添加到Google Colaboratory中了。
• 查看GPU是否在Google Colaboratory中的指令為

import tensorflow as tf tf.test.gpu_device_name()

三、Google Colaboratory掛載谷歌云盤（Google Drive）

創建的Google Colaboratory遠程服務器的工作目錄是/content（相當于Linux系統的/home目錄）。我們可以將谷歌云盤（Google Drive）掛載到Google Colaboratory遠程服務器上的/cotent/grive文件夾上。為了弄清除掛載谷歌云盤的過程，如下圖所示，我們首先查看掛載前文件夾/content下的內容，這個時候只有示例的一些經典的深度學習數據集合。

Google Colaboratory掛載谷歌云盤的python代碼如下所示：

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

執行完上面的python代碼后，在Goole Colaboratory上創建的項目Deep Learning就根谷歌云盤同步了，結果如下圖所示：

3.1 加載本地數據到云盤上

從本地上傳數據
我們首先在本地的系統中創建若干個文本文件，我在系統的/home/liang/文檔下面創建一個文檔Google_Drive，用于存放本地數據，并創建兩個文本文檔存放數據（作為演示用，文檔中的內容可以隨便寫），如下圖所示：

注意：從本地上傳使用的是Google Colaboratory平臺的python函數files.upload：它返回的是一個關于上傳文件信息的字典格式數據，其中，字典鍵值為文件名，字典的值為文件內的數據。

然后在Google Colaboratory平臺上輸入如下代碼：

from google.colab import filesuploaded = files.upload() for fn in uploaded.keys():print('上傳的文件 "{name}" 有 {length} 比特'.format(name=fn, length=len(uploaded[fn])))

運行代碼，彈出如下所示的上傳文件對話框，點擊B，在本地的/home/liang/文檔/Google_Drive文件夾中選擇文本1和文本2，進行上傳。

。上傳的結果如下圖所示：

3.2 下載云盤數據到本地

將文件下載到
首先在Google Colaboratory平臺上點擊文件結構（網頁左邊），找到/content/gdrive/MyDrive/Deep Learning文件夾，右鍵Deep Learning文家夾，在彈出下拉框點擊新建文件，創建exam文件，雙擊exam文件輸入hellow world!。

然后，在Google Colaboratory平臺上輸入如下代碼，就可以將代碼下載到本地的/home/liang/下載文件夾內了。

from google.colab import files files.download('./exam.txt')

總結

以上是生活随笔為你收集整理的Google Colaboratory：一款用于深度学习的免费GPU使用方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。