机器学习硬件设施差？免费使用谷歌的GPU云计算平台

开始机器学习的同学可能都知道：机器学习，特别是深度学习，在GPU上数据处理比在CPU上要快得多，少则几倍，多则几十上百倍的差距。以前有人会因为深度学习而购入高端的Nvidia显卡，现在好了，Google开放了旗下的GPU云计算平台，而且还是免费的。

Google推出的免费深度学习云计算平台称作Google Colaboratory。Google Colab提供的免费GPU为Tesla K80 GPU，一块高性能的GPU，长相如下图：

它可以运行Keras、Tensorflow、PyTorch或Mxnet等主流深度学习框架。

下面就介绍如何使用Google Colab云平台。

前提条件

1. 翻墙，由于一些不可说的原因，在国内并不能直接访问Google Colab服务。
2. 拥有Google帐号，如果你申请过GMail或Google Drive，就有了Google帐号。

在Google Drive上创建目录

Google Colab使用Google云端网盘存放工作代码，所以首先为我们的深度学习应用创建一个目录，比如可以命名为GoogleAI，当然你也可以使用缺省的Colab Notebooks文件夹。

创建Colab Notebook

步骤为：鼠标右键 > 更多 > Colaboratory。

新建的notebook的标题为”untitle”，可以点击标题进行修改：

设置GPU

步骤依次为 修改 > 笔记本设置，在硬件加速器一栏选择GPU。

运行基本的Python代码

Google Colab实际上是基于Jupyter Notebook。Jupyter Notebook（此前被称为 IPython notebook）是一个交互式笔记本，支持运行 40 多种编程语言。它基于浏览器技术，环境配置好之后，用户只需要通过浏览器即可访问。Notebook支持将代码嵌入到文档，文档采用Markdown编写，代码可以交互运行，特别适合做演示、教程。

比如下图上半部分是来自《机器学习实战》一书中的代码，下半部分就是执行的结果。

GPU是否在工作？

要确认GPU是否在工作，请运行如下代码：

import tensorflow as tf
tf.test.gpu_device_name()

结果如下：

要进一步查看GPU型号：

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

可以看到，GPU型号为Tesla K80

查看其它硬件配置

查看内存：

!cat /proc/meminfo

查看CPU：

!cat /proc/cpuinfo

总结

Google Colab为程序员入门深度学习提供了一个良好的云计算平台，而且还免费。实际上就是Google给你一台带GPU的云计算虚拟机，降低深度学习的门槛。在接下来的文章里，我还将说明如何安装python库、运行自己编写的代码或者从github克隆的项目代码，敬请关注。

参考

1. Google Colab Free GPU Tutorial
2. Jupyter Notebook 快速入门（上）