91久久久久久久久,操逼激情网,91大神在线资源观看无广告,毛片毛片毛片多人,男女艹网站,国产日韩在线欧美视频免费观看,欧美精在线,操逼好爽视频

（點擊上方快速關注并設置為星標，一起學Python）

選自Medium
作者：Towards AI Team
機器之心編譯
機器之心編輯部

這篇文章教你如何使用 Google Colab，更好地利用免費資源。

Google Colab 是一個免費的 Jupyter 環(huán)境，用戶可以用它創(chuàng)建 Jupyter notebook，在瀏覽器中編寫和執(zhí)行 Python 代碼，以及其他基于 Python 的第三方工具和機器學習框架，如 Pandas、PyTorch、Tensorflow、Keras、Monk、OpenCV 等。

Google Colab 的好處在于，不需要任何配置就能直接上手使用，并提供免費的 GPU，你可以和任何人共享實時代碼、數學公式、數據可視化結果、數據處理、數值模擬、機器學習模型等各種項目。

本文將介紹如何用 Python 使用 Google Colab，以及一些 Colab 使用技巧。

項目地址：https://github.com/towardsai/tutorials/tree/master/google_colab_tutorial

為什么大家都愛 Colab

Colab 的優(yōu)點包括：

提供了免費的 Jupyter notebook 環(huán)境；
帶有預安裝的軟件包；
完全托管在谷歌云上；
用戶無需在服務器或工作站上進行設置；
Notebook 會自動保存在用戶的 Google Drive 中；
提供基于瀏覽器的 Jupyter notebook；
完全免費，且提供 GPU 和 TPU（Pro 用戶可以使用更多資源，但需要付費）；
支持 Python 2 和 Python 3；
提供兩種硬件加速器：GPU 和 TPU。

第一步：啟動 Google Colab

我們可以使用 Colab 在 Web 瀏覽器上直接運行 Python 代碼，使用指南：https://mktg.best/d7b6u。

啟動窗口隨之打開，彈窗中提供了多項功能：

它提供了創(chuàng)建 notebook 以及從不同來源上傳和選擇的選項，比如 GitHub、Google Drive 或本地計算機。

從 GitHub 上傳 Notebook

我們可以使用項目 URL，或者搜索組織和用戶等方法，直接從 GitHub 上傳 Python 代碼。

使用 URL 的步驟上傳項目的步驟如下圖所示：

啟動 Google Colab
從彈框中選擇 GitHub 這一項。

輸入 GitHub 項目 URL 并搜索以獲取代碼

將完整代碼一鍵上傳到 Google Colab notebook

同樣地，用戶可以通過按名稱、日期、所有者或者修改日期過濾保存的 notebook，直接從 Google Drive 上傳代碼。

從 Kaggle 上傳數據

從 Kaggle 生成 API Token

來自 Kaggle 的數據可以直接上傳到 Colab，不過這需要 Kaggle 的 API Token 才能完成數據導入，步驟如下：

打開 Kaggle
轉至「我的賬戶」
向下滾動到「API」部分

如果需要，先單擊「Expire API Token」以刪除先前的 token
點擊「Create New API Token」，生成一個新的 token 并下載一個名為「kaggle.json」的 JSON 文件
「kaggle.json」文件包含用戶名和密鑰，如下所示：

從 Kaggle 上傳數據的步驟

將「kaggle.json」文件保存在本地計算機上。

安裝 Kaggle 軟件包：

!pip install -q kaggle

導入包：

from google.colab import files

上傳本地文件「kaggle.json」：

files.upload()

檢查 Colab notebook 是否與 Kaggle 正確連接：

!kaggle datasets list

從 Kaggle 下載任意比賽數據：

!kaggle competitions download -c competitive-data-science-predict-future-sales

Kaggle 數據將在 Colab 中下載和上傳，如下所示：

從 Google Drive 中讀取文件

Colab 還提供從 Google Drive 讀取數據的功能。

導入包

import globimport pandas as pdfrom google.colab import drive

掛載 Google Drive

drive.mount('/gdrive')

這一步要求填寫 Google Drive 的授權碼：

授權碼輸入框
單擊鏈接并生成授權碼
從 Google Drive 讀取 CSV 文件

file_path = glob.glob("/gdrive/My Drive/***.csv")for file in file_path:       df = pd.read_csv(file)       print(df)

將運行時硬件加速器設置為 GPU

Google Colab 提供免費的 GPU 硬件加速器云服務。在機器學習和深度學習中需要同時處理多個計算，高性能 GPU 的價格很高，但非常重要。

GPU 通過并行化提供優(yōu)秀的性能，可在一次調用中啟動數百萬個線程。盡管與 CPU 相比，GPU 的 clock speed 較低，且缺少多核管理功能，但 GPU 的表現通常比 CPU 好。

在 Colab 中設置 GPU 硬件加速器

設置步驟如下：

選擇 Runtime → Change runtime type
在彈出窗口中選擇「GPU」

檢查 Colab 中 GPU 的詳細信息

導入重要的包

import tensorflow as tffrom tensorflow.python.client import device_lib

檢查 GPU 加速器

tf.test.gpu_device_name()

檢查用于 GPU 的硬件

device_lib.list_local_devices()

使用 GPU 的代碼示例

在未選擇運行時 GPU 的情況下檢查可用 GPU 的數量，使其設置為「None」。

import tensorflow as tfno_of_gpu = len(tf.config.experimental.list_physical_devices('GPU'))print("Total GPUS:", no_of_gpu)

硬件加速器為 None，因此 GPU 數量的值為 0。

將運行時硬件加速器設置為 GPU：

import tensorflow as tfno_of_gpu =len(tf.config.experimental.list_physical_devices('GPU'))print("Total GPUS:", no_of_gpu)

硬件加速器為 GPU，因此 GPU 數量值為 1。

在 GPU 上執(zhí)行張量乘法：

try:      with tf.device('/device:GPU:1'):            tensor1 = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])            tensor2 = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])           result = tf.matmul(tensor1, tensor2)            print(result)except?RuntimeError?as?exception:????   print(exception)

張量乘法結果。

將 GitHub repo 復制到 Google Drive

GitHub repo 代碼可以復制和存儲到 Google Drive 中，具體步驟如下：

掛載 Google Drive

from?google.colab?import?drivedrive.mount('/content/gdrive')

進入 Google drive，創(chuàng)建目錄「project」。

%cd gdrive/My Drive/mkdir project%cd project/

復制 GitHub repo，例如：

!git clone https://github.com/saniyaparveez/youtube_video_type_prediction.git

檢查復制的項目

!ls

Colab 魔法

Colab 提供許多有趣的 trick，包括多個可以執(zhí)行快速操作的命令，這些命令通常使用 % 作為前綴。

Colab 魔法命令列表

%lsmagic

本地目錄

%ldir

獲取 Notebook 歷史

%history

CPU 時間

%time

系統(tǒng)運行多久？

!uptime

展示可用和已用的內存

!free -hprint("-"*100)

展示 CPU 產品規(guī)格

!lscpuprint("-"*70)

列出所有運行虛擬機進程

%%shecho "List all running VM processes."ps -efecho "Done"

在 HTML 中嵌入文本

%%html<marquee>Towards AI is a great publication platformmarquee>

設計 HTML 格式

#@title Personal Details#@markdown Information.Name = 'Peter' #@param {type: "string"}Age = 25  #@param {type: "slider", min: 1, max: 100}zip = 1234  #@param {type: "number"}Date = '2020-01-26'  #@param {type: "date"}Gender = "Male"  #@param ['Male', 'Female', 'Other']#@markdown ---print("Submitting the form")print(string_type, slider_value, number, date, pick_me)print("Submitted")

在 Google Colab 中生成 HTML 格式。

單元格執(zhí)行輸出

繪圖

Google Colab 還可用于數據可視化。以下代碼和圖展示了 Google Colab 對一個以上多項式的繪圖，Y = X3+X2+X。

x = np.arange(-10,10)y = np.power(x,3)y1 = np.power(x,3) + np.power(x,2) + xplt.scatter(x,y1,c="red")plt.scatter(x,y)

以下代碼和圖用于生成熱圖：

import matplotlib.pyplot as pltimport numpy as npimport seaborn as snslength = 10data = 5 + np.random.randn(length, length)data += np.arange(length)data += np.reshape(np.arange(length), (length, 1))sns.heatmap(data)plt.show()

Google Colab 中的 TPU

Google Colab 使用 TPU（張量處理單元）進行 Tensorflow 圖上的加速。TPU 是谷歌開發(fā)的、專為神經網絡機器設計的 AI 加速器專用集成電路 (ASIC)。

TPU 具備優(yōu)秀的 teraflop 配置、浮點運算性能等。每個 TPU 的計算能力達到每秒 180 萬億次浮點運算（180 teraflops），擁有 64 GB 的高帶寬內存。

在 Colab 中設置 TPU

在 Google Colab 中設置 TPU 的步驟如下：

運行時菜單 → 更改運行時

選擇 TPU 硬件加速器

確認在 TPU 硬件加速器上運行

這需要 TensorFlow 包。以下代碼和實現可以確認 Colab 是否設置 TPU 加速器：

import tensorflow as tftry:       tpu = tf.distribute.cluster_resolver.TPUClusterResolver()        print('Running on TPU', tpu.cluster_spec().as_dict()['worker'])except?ValueError:????   print('Exception')

如果 TPU 未設置成功，則代碼會報錯。

結論

Google Colab 是一種 Jupyter notebook 環(huán)境，通過執(zhí)行基于 Python 的代碼來構建機器學習或深度學習模型。Google Colab 完全免費（pro 版除外），并提供 GPU 和 TPU 硬件加速器，易于使用和共享。

本文列舉了 Google Colab 的使用技巧，希望能夠幫助大家更好地利用 Google Colab 資源。

資源

Google colab 實現：https://colab.research.google.com/drive/1ymIYzFg4Q7iBjnTut31aBqPHgOpkjHYD?usp=sharing
Github repository：https://github.com/towardsai/tutorials/tree/master/google_colab_tutorial

參考文獻

[1] Google Colab, https://colab.research.google.com/

[2] Python 2 Deprecation, Google Colab, Google, https://research.google.com/colaboratory/faq.html#python-2-deprecation

[3] Machine Learning Algorithms for Beginners with Code Examples in Python, Pratik Shukla, Roberto Iriondo, Towards AI, https://towardsai.net/p/machine-learning/machine-learning-algorithms-for-beginners-with-python-code-examples-ml-19c6afd60daa

[4] Project Jupyter, https://jupyter.org/

[5] Google Colab, FAQ, https://research.google.com/colaboratory/faq.html

原文鏈接：https://medium.com/towards-artificial-intelligence/google-colab-101-tutorial-with-python-tips-tricks-and-faq-7689bd4d24b4

戀習Python
關注戀習Python，Python都好練
好文章，我在看??

用 Python 使用 Google Colab？豈止是炫酷