一、前言
随着深度学习技术的发展,开发深度学习应用变得越来越普遍。然而,高性能的 GPU 通常价格昂贵,例如在 Amazon 上购买一块 GPU 需要花费约 1769 美元。幸运的是,Google 提供了一个强大的工具——Google Colab,可以帮助开发者免费使用 GPU 资源。
二、什么是 Google Colab?
Google Colab 是一个由 Google 研发的在线平台,旨在帮助用户进行机器学习研究和教学。它提供了一个 Jupyter 笔记本环境,无需任何本地配置即可在云端运行。Colab 笔记本可以存储在 Google 云端硬盘中,并且支持共享,类似于 Google 文档和表格的功能。最重要的是,Colab 提供免费的 GPU 资源,非常适合深度学习应用的开发。
三、开始使用
3.1 在 Google 云端硬盘上创建文件夹
首先,登录您的 Google 账号并进入 Google 云端硬盘。系统会为您提供 15GB 的免费存储空间。为了更好地管理文件,建议在云端硬盘中创建一个新的文件夹。例如,您可以创建一个名为 'app' 的文件夹。
3.2 创建一个新的 Colab Notebook
在新创建的文件夹内,右键点击空白区域,选择“更多” -> “Colaboratory” 来创建一个新的 Colab 笔记本。创建后,可以通过点击文件名来重命名该笔记本。
3.3 设置免费的 GPU
Colab 默认使用 CPU 进行计算,但您可以轻松地切换到 GPU。方法是:点击菜单栏中的“编辑” -> “笔记本设置”,然后在“硬件加速器”选项中选择“GPU”。您也可以通过代码执行程序 -> “更改运行时类型” 来进行设置。
3.4 测试——运行基本的 Python 代码
创建新的 Colab 笔记本后,会自动生成一个 Jupyter 笔记本环境,您可以直接在此环境中编写和运行 Python 代码。
3.5 授权与安装
在使用 Colab 之前,需要安装一些必要的库并进行授权。运行以下代码来挂载 Google 云端硬盘:
from google.colab import drive
drive.mount('/content/drive/')
运行上述代码后,会显示一个链接,点击该链接并复制验证码,然后粘贴到输入框中以完成授权过程。授权成功后,您可以使用以下命令查看 Google Drive 中的内容:
!ls "/content/drive/My Drive/"
实际上,Colab 运行在一个 Linux 虚拟机上,您可以使用以下命令进一步查看系统信息:
!cd /
!ls
3.6 运行 .py 文件
假设您已经上传了一个名为 'mnist_cnn.py' 的 Python 脚本到 Google Drive 的 'app' 文件夹中,可以使用以下命令安装 Keras 并运行该脚本:
!pip install -q keras
!python3 "/content/drive/My Drive/app/mnist_cnn.py"
如您所见,每个 epoch 仅需 8 秒左右。相比之下,使用普通 CPU 完成一个 epoch 大约需要 130 秒以上。
四、相关命令
(1) 查看是否使用 GPU
import tensorflow as tf
tf.test.is_gpu_available()
(2) 查看当前使用的 GPU
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
(3) 查看 RAM 大小
!cat /proc/meminfo
参考链接:[官方文档](https://colab.research.google.com/notebooks/welcome.ipynb)