Uwaga: Poniższy artykuł pomoże Ci w: Przewodnik dla początkujących dotyczący korzystania z Google Colab
Wszyscy znamy wyskakujące alerty „błąd pamięci” podczas próby pracy z dużym zestawem danych algorytmów uczenia maszynowego (ML) lub głębokiego uczenia na notebookach Jupyter. Co więcej, posiadanie przyzwoitego procesora graficznego od istniejącego dostawcy chmury pozostaje poza granicami ze względu na związane z tym inwestycje finansowe. Maszyny, którymi dysponujemy, niestety nie mają nieograniczonych możliwości obliczeniowych. Ale czekanie wreszcie dobiegło końca, ponieważ możemy teraz budować duże modele ML bez sprzedawania naszych nieruchomości.
Uznanie należy się Google za uruchomienie Colab – platformy internetowej, która pozwala każdemu trenować modele z dużymi zbiorami danych, całkowicie za darmo. Od pracy ze złożonymi modelami po dzielenie się pracą z innymi w prosty sposób, Colab jest tym, za czym społeczność analityków danych tęskniła od lat.
Colab powinien być idealnym wyborem dla każdego, kto chce poprawić swoje umiejętności programowania w Pythonie za pomocą bibliotek głębokiego uczenia, takich jak PyTorch, Keras, TensorFlow i OpenCV. W Colab można tworzyć, przesyłać, przechowywać i udostępniać notatniki, montować Dysk Google, importować katalogi i nie tylko. Ponieważ jest to zupełnie nowy zestaw funkcji, nawigacja może być wyzwaniem. W tym artykule przedstawimy prosty i szybki samouczek dotyczący korzystania z Google Colab.
Konfigurowanie Dysku
Na początek możesz kliknąć link, aby rozpocząć korzystanie z Colab. Jak widać na ilustracji, jednym kliknięciem można utworzyć nowy notatnik, a następnie przesłać lokalny notatnik do Colab. Korzystając z procesu uwierzytelniania, użytkownik może również zaimportować notatnik z dysku Google lub GitHub.
Jeśli użytkownik już pracuje na Dysku Google, może bezpośrednio dodać nowy notatnik Colab, klikając „nowy” i opuszczając menu do „więcej” i wybierając „Współpraca”. Można również łatwo zmienić nazwę notatnika.
Wybór GPU lub TPU
To, co sprawia, że Google Colab jest popularne, to elastyczność, z jaką użytkownicy mogą zmieniać czas działania swojego notebooka. Jak pokazano na rysunku, można kliknąć menu środowiska wykonawczego i zmienić jego typ. Użytkownik otrzyma dwie opcje po kliknięciu „Zmień typ środowiska uruchomieniowego”. Na ekranie pojawi się okienko z opcją „akcelerator sprzętowy”. Użytkownicy mogą wybrać TPU lub GPU do pracy na swoim notebooku.
Można to nawet ulepszyć, montując swój dysk Google. W tym celu należy użyć:
z dysku importu google.colab
drive.mount(‘/zawartość/gdrive’)
Wskazane jest zamknięcie notatnika, ponieważ ten krok pozwoli innym wykorzystać go jako cenny zasób i będzie mógł dalej dzielić się nim z innymi. Aby zakończyć notatnik, można wykonać następujące kroki:
Czas pracy > Czas pracy resetowania do ustawień fabrycznych
Korzystanie z kodów terminali
Google Colab umożliwia użytkownikowi uruchamianie kodów terminali, a większość popularnych bibliotek jest dodawana domyślnie na platformie. Biblioteki, takie jak Pandas, NumPy i Scikit-learn w Pythonie, są fabrycznie zainstalowane w Colab, a ich uruchomienie jest proste. Jeśli użytkownik chce uruchomić inną bibliotekę Pythona, wykonaj poniższe czynności:
!pip zainstaluj nazwa_biblioteki
Jedynym haczykiem jest użycie wykrzyknika (!), który należy postawić przed każdą komendą.
Colab pozwala również użytkownikowi zaimportować dowolną bibliotekę przez uruchomienie import jak każdy inny notatnik.
Chociaż PyTorch jest teraz obsługiwany w Colab, można dalej użyć kodu podanego poniżej na wypadek, gdyby napotkali pewne złożoności:
# http://pytorch.org/
istnieje import z os.path
z wheel.pep425tags importuj get_abbr_impl, get_impl_ver, get_abi_tag
platforma = ‘{}{}-{}’.format(get_abbr_impl(), get_impl_ver(), get_abi_tag())
cuda_output = !ldconfig -p|grep cudart.so|sed -e ‘s/.*\.\([0-9]*\)\.\([0-9]*\)$/m3\1\2/’
akcelerator = cuda_wyjście[0] jeśli istnieje(‘/dev/nvidia0’) jeszcze ‘procesor’
!pip instalacja -q http://download.pytorch.org/whl/{accelerator}/torch-0.4.1-{platforma}-linux_x86_64.whl wizja pochodni
importować latarkę
Importowanie z GitHub
Jak wspomniano powyżej, można zaimportować dowolny plik z Dysku Google i GitHub. Funkcja importowania z GitHub jest prosta, jak widać na obrazku. Można wyszukać dowolną organizację lub użytkownika, aby znaleźć plik. Po znalezieniu pliku mogą wprowadzić link, aby zaimportować pliki. W przypadku, gdy użytkownik nie jest w stanie znaleźć dokładnego materiału, ma możliwość przejrzenia rozwijanego menu repozytorium, jak pokazano na poniższym obrazku.
Oszczędność
Najważniejszą częścią jest oszczędność czasu. Można użyć niekonwencjonalnegopolecenia‘ lub rzuć ‘plik‘ menu w dół, aby zapisać. Użytkownik może dodatkowo utworzyć kopię notatnika, upuszczając „Plik‘ -> ‘Zapisz kopię na Dysku.‘ Można również pobrać notatnik, przechodząc z ‘Plik‘ -> ‘pobierz .ipyb‘ Lub ‘pobierz .py.„Mamy nadzieję, że ten artykuł umożliwi czytelnikom bezproblemową nawigację w Google Colab i skorzystanie z bezpłatnego środowiska GPU. Można również przeczytać nasz artykuł o tym, jak Google Colaboratory może być Twoją darmową kartą graficzną do głębokiego uczenia po więcej informacji.
