Colab简单使用（以vggnet模型为例）

前言

记录第一次使用colab训练模型以及下载训练权重至本地，实现模型预测

---

一、使用准备

1.谷歌账号

谷歌账户注册
谷歌云盘
colab

云盘截图：

colab截图：

2.科学上网工具

此处省略一千字

---

二、使用步骤

1.新建笔记本

修改笔记本的配置：

配置查询：

此处查询的是GPU信息

这是谷歌提供给免费的注册用户使用的

!cat /proc/cpuinfo  # 查看CPU信息
!cat /proc/meminfo  # 查看内存信息
!df -h  # 查看磁盘空间信息
!nvidia-smi  # 查看GPU信息（如果有GPU）

载入谷歌云盘信息

from google.colab import drive
drive.mount('/content/drive')

---

2.载入数据集

将自己准备好的数据集上传至谷歌云盘，通过代码将云盘上的数据集加载并解压至colab中。

红框中的dataset代表在我们上传在云盘中的数据集，
绿框我们已经将数据集传入colab中。

这里我上传的是压缩包zip格式，推荐使用压缩包格式。
使用压缩包上传云盘更方便，速度更快

!cp /content/drive/MyDrive/dataset/flower_data.zip ./
!unzip ./flower_data.zip -d ./

---

3.加载模型

此步与数据集上传类似，红框代表云盘中的文件，绿框代表已上传至colab

这里我上传的是文件夹格式，不需要解压使用。

import shutil
oldpath = '/content/drive/MyDrive/Code/Test4_googlenet'
newpath = '/content/Test4_googlenet'
shutil.copytree(oldpath,newpath)
# oldpath 代表原始路径，即在云盘中的路径
# newpath 代表要添加到的路径

---

4.开始训练

训练和预测命令

!python /content/Test3_vggnet/train.py    # 训练
!python /content/Test3_vggnet/predict.py  # 预测

此处上传了一张图片用作预测

!cp '/content/drive/MyDrive/predict_pic/tulip.jpg' 'tulip.jpg'
# 将云盘中的图片加载至colab中

---

5.训练权重下载

如果只想在colab中训练模型，在本地的pycharm中实现预测，可以通过两种方式下载训练权重

①直接通过colab下载

此方法下载速度比较慢，不推荐

②将权重上传至云盘下载

在云盘中创建保存权重的文件夹，通过代码上传

!cp /content/vgg16Net.pth /content/drive/MyDrive/logs
# content/vgg16Net.pth 代表训练好的权重的地址
# content/drive/MyDrive/logs 代表上传云盘的地址

---

总结

第一次写博客，记录的东西也比较简单，更多是参考一些大佬的博客，再通过自己的实践记录下来，希望能够将此作为自己记录学习的一个开始。

参考博客