Colab 实用教程

目录

• Colab是什么？
• Colab的基本配置
• Colab 模型训练
• 进阶使用

Colab是什么？

1. Google Colab 是一个免费的云服务并支持免费的 GPU，可以：

   • 提高你的 Python 语言的编码技能。
   • 使用 Keras、TensorFlow、PyTorch 和 OpenCV 等流行库开发深度学习应用程序。
   • Colab 与其它免费的云服务最重要的区别在于：Colab 提供完全免费的 GPU，对学生党进行AI学习提供便利。

2. Colab 是Google的且服务器在国外

   • 如果不能使用Google，推荐使用Kaggle（国内也能访问）👉免费的深度学习GPU环境Colab和Kaggle搭配使用
   • 如果可以上Google，那就继续往下看学习Colab用法！

Colab的基本配置

1. 登录 Google Drive

2. 在 Google Drive 上创建文件夹，我创建的是名字为 app 的文件夹

   

3. 创建新的 Colab 笔记（Notebook），通过 右键点击 > More > Colaboratory 步骤创建一个新的笔记

   

   通过点击文件名来重命名笔记

4. 打开 GPU

   Edit > Notebook settings 或者进入 Runtime > Change runtime type，然后选择 GPU 作为 Hardware accelerator（硬件加速器）。

5. 使用 Google Colab 运行基本的 Python 代码

   这个倒是不常用，使用这个功能类似jupyter notebook，而我们要跑的代码基本是已经编辑好的工程项目。利用colab主要是想通过GPU加速更快的训练。

   

6. 在创建的文件夹页面上传你的整个要跑的文件(包括数据集)，右击选upload fold 或者直接拖拉也行

Colab 模型训练

1. 加载盘

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

   

2. 切换到你要跑的目录下面

   # 指定当前的工作文件夹
   import os
   # 此处为google drive中的文件路径,drive为之前指定的工作根目录，要加上
   os.chdir("/content/drive/MyDrive/LapSRN/") 
   

3. 安装Pytorch以及torchvision

   Colab 一般情况下已经自带了pytorch环境了。若没有可以进行相应的安装：

   !pip install torch torchvision  # 在Colab中执行操作语句时，感叹号不能漏
   

4. 执行训练命令

   

5. 注意事项

   • 最重要的是路径问题，一般在data.py或者dateset.py文件里面有关于路径的，还有save model时候。可以将路径相关的都改成parse的语句，在执行命令时传入防止出错。相关的路径可以直接复制

   

进阶使用

搭配Kaggle使用，体验更是一层楼
🅰免费的深度学习GPU环境Colab和Kaggle搭配使用
🅱Kaggle：不怕断开连接，睡觉起来看结果