使用google Colaboratory的记录（免费K80 GPU）（一）

                    Google Colaboratory搭建及使用教程     

       接触过深度学习的都知道GPU对于我们来说意味着着什么（是金钱、是时间、是生命）。听说google提供的Colaboratory可以使用T4GPU，甚至P100GPU。本博主是历经重重险阻，登高、跳远，终于使用上了，本来一度欢欣鼓舞，但事实让我明白资本家的羊毛不是那么容易薅的。

一、前言

1、一切建立在“你懂的”的基础上

国内的网络肯定是使用不了的。想使用你首先需要一个谷歌账号（QQ邮箱APP即可解决），然后有一个完美的网络环境（最近好像有点严，好多用不了了，有需要可以联系一下博主。注：博主不是干这个的）

2、Colab之上有 Colab Pro(有钱T4、P100，没钱K80)

Colab与Colab Po对比

	Colab	Colab Pro
费用	Free	$9.99/月
GPU类型	K80	随机的T4、P100 ，还可优先使用TPU
运行时间	Juypter notebook最长可以运行 12 小时，空闲超时设置比 Colab Pro 严格很多。	在 Colab Pro 中，Juypter notebook可以保持连接长达 24 小时
内存容量	免费版 Colab 不提供高内存偏好设置，也很少向用户自动分配高内存虚拟机。	Colab Pro可以优先使用高内存虚拟机。这些虚拟机的内存容量和 CPU 数通常是标准 Colab 虚拟机的两倍。可以通过一项notebook设置启用高内存虚拟机。此外，当 Colab 检测到可能需要高内存虚拟机时，有时可能还会自动分配这样的虚拟机。

但是免费的K80使用起来还是很香的（逃不过的真香定律）

3、运行速度不是那么理想

         代码和数据的存放与运行不在同一位置，可能训练的速度并不是那么理想，时间主要花费在I/O上 。

言归正传，开始正式记录使用过程。

二、使用记录（建议使用Google浏览器）

  1、注册登录：

进入Colab的官方网站：https://colab.research.google.com/notebooks/welcome.ipynb

页面介绍：上部分蓝色区域是功能与设置栏、左办红色区域是目录栏、右下角的绿色区域即为代码编辑栏（Jupyter Notebook既视感）。鼠标放在右上角的“RAM/磁盘”区域，可以显示分配的RAM/磁盘空间大小。

使用：登入Google的账号，就可以使用了。在本页面可以试着运行一些简单代码程序（基于Jupyter Notebook）。

2、选择运行代码的硬件：

点击上方“代码执行程序”->更改运行时类型“”

可以选择运行代码的硬件设备（CPU/GPU/TPU）：

3、连接Google Driver

Colab的一大优势就是可以与Google Driver连接在一起，我们在Google Driver上部署的代码可以很方便的在colab上运行，而 Colaboratory写的文件.ipynb也能保存在Google Driver中。

1. 在谷歌云盘创建新文件夹

我在云盘中已创建文件夹"pythonProject"。

2. 在新建文件夹下创建一个新的.ipynb

文件夹下 右键单击>更多> Google Colaboratory创建一个可运行.ipynb。

点击后直接跳转至jupyter notebook编辑界面，可在左上方修改文件名。在谷歌硬盘相应路径下会创建相应文件。

3. 通向"Hello Word"

打印输出"Hello Word"

print('Hello Word')

结果：

 测试硬件（需要更改运行时类型）：

import tensorflow as tf
from tensorflow.python.client import device_lib

print("TF version:", tf.__version__)
print(device_lib.list_local_devices())

结果:

查看显卡状态(可执行正常指令，指令前加！即可)：

!nvidia-smi

结果：

至此，就可以快乐的使用colab愉快地编辑运行我们的python代码了，在下节将介绍如何使用colab运行我们深度学习的代码。

官方使用指南：

https://colab.research.google.com/notebooks/intro.ipynb  （US网站，需要你懂得）

参考

https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d （US网站，需要你懂得）

https://colab.research.google.com/notebooks/welcome.ipynb

https://blog.csdn.net/jinyuan7708/article/details/89948938