英伟达Tesla K80 GPU，2599美元一块，还很难买到；搭载K80的AWS EC2 P2实例，用起来也很肉疼。

高大上的GPU，不花钱也能用上。Google的一项免费云端机器学习服务，最近也用上了Tesla K80。

这么好的羊毛，当然要薅起来啊！

这项资本主义社会的伟大创造，就是Google Colab，全名Colaboratory。你可以用它来提高Python技能，也可以用Keras、TensorFlow、PyTorch、OpenCV等等流行的深度学习库来练练手，开发深度学习应用。

地址在这里，Google还贴心地写了中文版简介：https://colab.research.google.com/notebook

即便如此，据说还有人不会用？

号称喜欢训练深度神经网络的作者fuat，就详详细细的写了一份Google Colab免费GPU试用指南~

准备工作

在Google Drive上创建文件夹

Colab用的数据都存储在Google Drive云端硬盘上，所以，我们需要先指定要在Google Drive上用的文件夹。

比如说，可以在Google Drive上创建一个“app”文件夹，或者其他什么名字，也可以选择Colab笔记本默认的文件夹。

新建Colab笔记本

在刚刚创建的app文件夹里点击右键，选择“More”，然后从菜单里选择“Colaboratory”，这样就新建出了一个Colab笔记本。

点击笔记本的名字，可以重命名。

设置免费GPU

这一步，要改变笔记本所用的默认硬件。在笔记本里点Edit>Notebook settings（编辑>笔记本设置），或者Runtime>Change runtime type（运行时>改变运行时类型），然后在Hardware accelerator（硬件加速器）一栏选择GPU。

然后，Google Colab就可以用了。

用Colab运行基本Python代码

我们来运行一些Python Numpy教程里的基本数据类型代码。

这些代码来自斯坦福大学卷积神经网络与视觉识别课程(CS231n)的Python Numpy教程，
地址：http://cs231n.github.io/python-numpy-tutorial/

运行结果如你所料。

用Colab运行.py文件

先运行下面这些代码，来安装必要的库、执行授权。

!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse
from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}

运行的时候应该会看到下图所示的结果：

看见那个链接之后，点击它，复制验证码并粘贴到文本框里。

授权完成后，就可以挂载Google Drive了：

!mkdir -p drive
!google-drive-ocamlfuse drive

安装Keras：

!pip install -q keras

将mnist_cnn.py文件上传到位于Google云端硬盘上的应用文件夹：

运行下面的代码，用MNIST数据集训练一个简单的卷积神经网络：

!python3 drive/app/mnist_cnn.py

从结果中可以看到，每个epoch只需要11秒。

下载泰坦尼克数据集(.csv File)，显示前5行

想按照链接下载.csv文件到app文件夹，只需运行：

!wget https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/csv/datasets/Titanic.csv -P drive/app

也可以直接将.csv文件上传到app文件夹：

然后读取app文件夹中的.csv文件，显示前5行：

import pandas as pd
titanic = pd.read_csv(“drive/app/Titanic.csv”)
titanic.head(5)

Tips

1. 如何安装库？

安装Keras：

!pip install -q keras
import keras

安装PyTorch：

!pip install -q http://download.pytorch.org/whl/cu75/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl torchvision
import torch

安装OpenCV：

!apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-python
import cv2

安装XGBoost：

!pip install -q xgboost==0.4a30
import xgboost

安装GraphViz：

!apt-get -qq install -y graphviz && pip install -q pydot
import pydot

安装7zip Reader：

!apt-get -qq install -y libarchive-dev && pip install -q -U libarchive
import libarchive

安装其他库：

用!pip install或者!apt-get install命令。

2. GPU在干活么？

要查看你在Colab里是不是真的在用GPU，可以运行以下代码来交叉检查：

import tensorflow as tf
tf.test.gpu_device_name()

如果显示上图左侧的结果，就是在用CPU，显示右侧结果就是在用GPU。

3. 我在用哪个GPU？

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

其实现在，Colab只提供Tesla K80，所以你会看到下图这样的结果：

4. RAM有多大？

!cat /proc/meminfo

5. CPU呢？

!cat /proc/cpuinfo

总结一下吧

好好学习，认真薅毛。

原文说会持续更新，推荐收藏以备不时之需：https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d

分享朋友圈 也是另一种赞赏

The more we share, The more we have

 

欢迎加入数据君高效数据分析社区

进入大数据干货交流群可以加微信号：tongyuannow 

目前100000+人已关注加入我们