Google的Colaboratory使用

本文详细介绍了如何通过Google Colaboratory入门,包括创建虚拟工作环境,运行代码示例,以及如何挂载共享文件,以实现高效地调试和协作。适合初学者快速上手MVCNN项目。

和小组成员一起调试别人代码,大佬们都玩colab,菜鸡的我就学一学怎么玩这玩意儿呗。以跑通MVCNN为例。

先是进入google的云端硬盘
在这里插入图片描述
点击左侧“我的云端硬盘”,然后“新建–更多–google colaboratory”
在这里插入图片描述

在这里插入图片描述
点击中间的地方就可以写代码了,如图输入

a = 1
print(a)

然后点击左侧 ▶ 按钮,或者“ctrl+Enter”就可以看到下面的输出结果为 1 啦!

把共享的加入到自己的云端硬盘
在这里插入图片描述

点击左侧文件夹就可以看到共享的文件/代码啦

### 如何使用 Google Colaboratory #### 创建和打开笔记本 为了开始使用 Google Colab,用户可以通过访问 [Google Colab](https://colab.research.google.com/) 来创建新的 Python 笔记本或者上传现有的文件。一旦进入平台,点击新建 Notebook 或者从 Drive 中选择已有项目即可开启工作环境[^1]。 #### 连接运行时并执行代码单元格 每一个 notebook 都由多个可以独立运行的代码块组成,在编写好一段程序之后,只需选中该部分并通过按 Shift+Enter 键来提交给远程服务器处理。首次启动时会提示连接到一个临时实例上;这个过程可能需要几秒钟时间完成初始化设置[^2]。 #### 使用 GPU 和 TPU 加速计算任务 对于深度学习模型训练等耗资源的任务来说非常重要的一点就是能够利用硬件加速器如图形处理器 (GPU) 或张量处理单元(TPU),这可以在菜单栏中的 "Runtime" -> "Change runtime type" 选项里轻松切换启用状态[^3]。 ```python import tensorflow as tf device_name = tf.test.gpu_device_name() if device_name != '/device:GPU:0': raise SystemError('GPU device not found') print(f'Found GPU at: {device_name}') ``` #### 访问外部数据集与保存成果至云端存储服务 通过挂载个人 Google Drive 账户的方式可以直接读取本地磁盘上的文件作为输入源,并且支持将最终版本导出备份存放在云空间内以便随时调用查看进展状况。此功能位于左侧边栏的小图标处,按照指示操作几步就能实现无缝对接。
评论 1
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