翔田千里vs黑人播放,免费在线黄片,台湾在线视频一区二,久久免费短视频,丁香五月婷婷激情四射,成人黄色 A Ⅴ 网站,欧美亚洲黄色,欧美性之站

選自Medium

作者：Towards AI Team

機(jī)器之心編譯
機(jī)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(fèi)資源。

Google Colab 是一個(gè)免費(fèi)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(jī)器學(xué)習(xí)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(fèi)的 GPU，你可以和任何人共享實(shí)時(shí)代碼、數(shù)學(xué)公式、數(shù)據(jù)可視化結(jié)果、數(shù)據(jù)處理、數(shù)值模擬、機(jī)器學(xué)習(xí)模型等各種項(xiàng)目。

以前，機(jī)器之心也曾經(jīng)介紹過很多關(guān)于 Colab 的知識(shí)點(diǎn)，比如這些：

谷歌 Colab 有了 V100 加持，薅羊毛快樂再次加倍
20 種小技巧，玩轉(zhuǎn) Google Colab

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

項(xiàng)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(diǎn)包括：

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

第一步：啟動(dòng) Google Colab

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

啟動(dòng)窗口隨之打開，彈窗中提供了多項(xiàng)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(xiàng)，比如 GitHub、Google Drive 或本地計(jì)算機(jī)。

從 GitHub 上傳 Notebook

我們可以使用項(xiàng)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(xiàng)目的步驟如下圖所示：

啟動(dòng) Google Colab
從彈框中選擇 GitHub 這一項(xiàng)。

輸入 GitHub 項(xiàng)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(shù)據(jù)

從 Kaggle 生成 API Token

來自 Kaggle 的數(shù)據(jù)可以直接上傳到 Colab，不過這需要 Kaggle 的 API Token 才能完成數(shù)據(jù)導(dǎo)入，步驟如下：

打開 Kaggle
轉(zhuǎn)至「我的賬戶」
向下滾動(dòng)到「API」部分

如果需要，先單擊「Expire API Token」以刪除先前的 token
點(diǎn)擊「Create New API Token」，生成一個(gè)新的 token 并下載一個(gè)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(shù)據(jù)的步驟

將「kaggle.json」文件保存在本地計(jì)算機(jī)上。

安裝 Kaggle 軟件包：

!pip install -q kaggle

導(dǎo)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(shù)據(jù)：

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

Kaggle 數(shù)據(jù)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(shù)據(jù)的功能。

導(dǎo)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(quán)碼：

授權(quán)碼輸入框
單擊鏈接并生成授權(quán)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(yùn)行時(shí)硬件加速器設(shè)置為 GPU

Google Colab 提供免費(fèi)的 GPU 硬件加速器云服務(wù)。在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中需要同時(shí)處理多個(gè)計(jì)算，高性能 GPU 的價(jià)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(diào)用中啟動(dòng)數(shù)百萬個(gè)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(xiàn)通常比 CPU 好。

在 Colab 中設(shè)置 GPU 硬件加速器

設(shè)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(xì)信息

導(dǎo)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(yùn)行時(shí) GPU 的情況下檢查可用 GPU 的數(shù)量，使其設(shè)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(shù)量的值為 0。

將運(yùn)行時(shí)硬件加速器設(shè)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(shù)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(jié)果。

將 GitHub repo 復(fù)制到 Google Drive

GitHub repo 代碼可以復(fù)制和存儲(chǔ)到 Google Drive 中，具體步驟如下：

掛載 Google Drive

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

進(jìn)入 Google drive，創(chuàng)建目錄「project」。

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

復(fù)制 GitHub repo，例如：

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

檢查復(fù)制的項(xiàng)目

!ls

Colab 魔法

Colab 提供許多有趣的 trick，包括多個(gè)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(shí)間

%time

系統(tǒng)運(yùn)行多久？

!uptime

展示可用和已用的內(nèi)存

!free -hprint("-"*100)

展示 CPU 產(chǎn)品規(guī)格

!lscpuprint("-"*70)

列出所有運(yùn)行虛擬機(jī)進(jìn)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(shè)計(jì) 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(shù)據(jù)可視化。以下代碼和圖展示了 Google Colab 對(duì)一個(gè)以上多項(xiàng)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(jìn)行 Tensorflow 圖上的加速。TPU 是谷歌開發(fā)的、專為神經(jīng)網(wǎng)絡(luò)機(jī)器設(shè)計(jì)的 AI 加速器專用集成電路 (ASIC)。

TPU 具備優(yōu)秀的 teraflop 配置、浮點(diǎn)運(yùn)算性能等。每個(gè) TPU 的計(jì)算能力達(dá)到每秒 180 萬億次浮點(diǎn)運(yùn)算（180 teraflops），擁有 64 GB 的高帶寬內(nèi)存。

在 Colab 中設(shè)置 TPU

在 Google Colab 中設(shè)置 TPU 的步驟如下：

運(yùn)行時(shí)菜單 → 更改運(yùn)行時(shí)

選擇 TPU 硬件加速器

確認(rèn)在 TPU 硬件加速器上運(yùn)行

這需要 TensorFlow 包。以下代碼和實(shí)現(xiàn)可以確認(rèn) Colab 是否設(shè)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(shè)置成功，則代碼會(huì)報(bào)錯(cuò)。

結(jié)論

Google Colab 是一種 Jupyter notebook 環(huán)境，通過執(zhí)行基于 Python 的代碼來構(gòu)建機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型。Google Colab 完全免費(fèi)（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(shí)現(xiàn)：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(xiàn)

[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

往期精彩：

【原創(chuàng)首發(fā)】機(jī)器學(xué)習(xí)公式推導(dǎo)與代碼實(shí)現(xiàn)30講.pdf

【原創(chuàng)首發(fā)】深度學(xué)習(xí)語義分割理論與實(shí)戰(zhàn)指南.pdf

?2020，從TF Boy 變成 Torch User

?真正想做算法的，不要害怕內(nèi)卷

Google Colab基本使用技巧一覽

求個(gè)在看！