Google Colab——谷歌免费GPU使用教程

本文详细介绍了如何利用Google Colab免费获取GPU资源,包括与Google Drive的关联、Colab笔记本的创建及使用,以及如何挂载Google Drive以便在虚拟机环境中访问和使用云盘文件。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Google Colab简介

Google Colaboratory是谷歌开放的一款研究工具,主要用于机器学习的开发和研究。这款工具现在可以免费使用。Google Colab最大的好处是给广大的AI开发者提供了免费的GPU使用!GPU型号是Tesla K80!你可以在上面轻松地跑例如:Keras、Tensorflow、Pytorch等框架。

目录

1. Google云端硬盘(Google drive)

2. 关联 Colaboratory

3. 创建 Colaboratory 笔记本

4. 使用 Colaboratory(重点)

5. 挂载Google Drive


1. Google云端硬盘(Google drive)

首先,打开谷歌,登陆你的 Google 账号。

登录 Google 账号之后,在页面右上角的 Google 应用里就可进入云端硬盘里。这相当于百度网盘,可以存储我们的文件。

Google 硬盘真是良心啊,每个人都有 15 G 的免费空间可以使用。如果觉得空间不够的话可以升级。

2. 关联 Colaboratory

进入 Google 云端硬盘之后,需要关联 Colaboratory。点击我的云端硬盘 -> 更多 -> 关联更多应用。我已经关联了 Colaboratory。Colaboratory相当于一个云服务器,Ubuntu服务器。内置好了CPU和GPU

然后,搜索并找到 Colaboratory,然后关联。

这样,Google 云端硬盘就完成了与 Colaboratory 的关联,我们就可以使用 Colaboratory 了。

3. 创建 Colaboratory 笔记本

关联 Colaboratory 之后,新建文件夹(Colab为例)。

然后进入 文件夹,空白处右键点击更多 -> Colaboratory,即可创建 Jupyter Notebook。

通过点击文件名实现重命名,例如重命名为 test.ipynb。

4. 使用 Colaboratory(重点)

首先是配置 Colaboratory,这一步非常重要也是非常强大的。点击修改 -> 笔记本设置

在笔记本设置中,我们可以选择使用 Python 2 还是 Python 3。更重要的,可以选择使用 GPU 硬件加速。设置完毕后点击保存。

然后,我们就可以在 Jupyter Notebook 里任意写我们的代码和注释文档了。Colaboratory 本身就是一种数据分析工具,可将文字、代码和代码输出内容合并到一个协作文档中。

5. 挂载Google Drive

完成前面的配置,我们可以在Colab里编写代码了。但是我们如何在Colab里访问我们谷歌硬盘里的文件呢。

在Jupyter botebook里输入以下代码:(不要省略前面的感叹号)。

!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse
from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}

运行代码,运行中会提示输入验证码,点击程序给出的网址进行验证即可。

其实完成前面的操作我们就可以在Colab中敲写代码或者输入一些系统命令了,但是我们现在连接的虚拟机是和Google Drive脱离的,也就是说我们跑的程序无法使用谷歌云盘里的文件,这就非常受限制了。所以我们一般需要将谷歌云盘看作是虚拟机中的一个硬盘挂载,这样我们就可以使用虚拟机轻松访问谷歌云盘。
挂载Google Drive代码:

!mkdir -p drive
!google-drive-ocamlfuse -o nonempty drive

在Colab中cd命令是无效的,切换工作目录使用chdir函数

import os
os.chdir("drive")

执行以上代码,当前工作目录会进入到drive文件夹下。我们再使用!ls命令会发现系统输出的是drive文件夹下的目录。

后面我们就可以正常的访问我们的数据集了。

### Google Colab 与 Jupyter Notebook 的使用体验对比 #### 使用体验 Google Colab 是一种基于云端的服务,允许用户无需安装任何软件即可运行 Python 脚本和 notebook 文件。由于其完全托管在谷歌云平台上,因此对于初学者来说非常友好[^2]。相比之下,Jupyter Notebook 需要本地环境的支持或者依赖于特定的服务器部署方案才能实现类似的在线编辑功能。 然而,在离线情况下或当网络连接不稳定时,Colab 可能会受到一定影响;而传统意义上的 Jupyter Notebook 则可以在用户的个人计算机上独立运作[^1]。 #### 功能差异 ##### 核心特性继承 Colab 基于 Jupyter Notebook 构建而成,所以它自然也具备后者所有的基础能力——比如支持交互式的编程模式以及能够无缝嵌入富媒体内容(图像、视频等)。这些都使得研究者们能够在单一文档内完成从数据探索到模型训练再到最终报告撰写整个流程的所有环节[^3]。 但是值得注意的是尽管两者表面上看起来十分相似,但在实际操作过程中还是存在一些细微差别。例如说虽然二者都可以创建 Markdown 单元用于描述说明信息,但是在具体细节处理方面可能有所区别[^5]。 另外值得一提的是 PyCharm 这样的 IDE 工具还可以跟 Jupyter Notebook 形成互补关系,即把复杂逻辑部分放在前者里面精心打磨后再转移到后者当中作为模块被调用起来[^4]。这种做法不仅有助于提高开发效率同时也便于维护管理大型项目结构。 最后关于硬件资源利用情况而言,鉴于 Colab 提供免费 GPU/TPU 加速选项这一得天独厚的优势条件,所以在涉及深度学习领域应用场合下往往更受青睐。 ```python # 示例代码展示如何在 Colab 中启用 TPU 支持 try: tpu = tf.distribute.cluster_resolver.TPUClusterResolver() except ValueError: raise BaseException('ERROR: Not connected to a TPU runtime; please see the previous cell in this notebook for instructions!') tf.config.experimental_connect_to_cluster(tpu) ``` ### 总结 综上所述,无论是选择哪一款工具都需要根据具体的业务需求和个人偏好来做决定。如果追求便捷性和强大的计算力,则推荐尝试一下 Google Colab;而对于那些希望拥有更多自主控制权并倾向于定制化解决方案的人来说,或许传统的 Jupyter Notebook 更加合适一点。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值