使用google Colaboratory的记录（免费K80 GPU）（二）

 

               Google Colaboratory搭建及使用教程（二）   

前言

上节讲到如何注册并使用Google Colaboratory运行测试我们的python程序。

传送：使用google Colaboratory的记录（免费K80 GPU）（一）--https://blog.csdn.net/walker_Tjj/article/details/106955426

但对于一个深度学习的工程项目来说，.ipynb文件只能运行简单功能程序，并不能满足我们的需求。大量.py文件搭建的工程才是正道，而如何在Colab上运行本地编辑的.py工程文件呢？那就用到了上节讲到的Google Drive。Google Drive+Google Colab满足你的一切需求。

一、连接Google Drive

1.1. 上传你的工程代码至Google Drive(谷歌云盘)

 这个就不用详细介绍了吧。注：谷歌云盘一般初始15G，有需求需要提前扩充，不要等到上传一半存储不够才想着扩充。 

1.2. 在colab中连接谷歌云盘

1.2.1 查看当前工作目录

在Colab中，点击左边的文件夹图标，可以看到Colab当前的工作目录，发现当前位于“content/”文件夹路径下,下有sample_data 文件夹。

也可以使用代码查看当前目录。

!ls
!pwd

 当前文件夹下文件目录与当前工作目录路径名称：

由于Google Colab与Google Drive分属不同的环境，所以需要将谷歌云盘添加到我们的当前 工作目录中。随着Google技术的更新，现有两种方式将谷歌云盘加载到colab中。

1.2.2 方式1-直接装载（推荐）

点击左侧“文件夹图标”->"装载Google云端硬盘"（红色框体）。这种方式最为简单。

验证下一步，等待一段时间，刷新即可。

红色框体即为本博主当前谷歌云盘目录结构。

1.2.3 方式2-代码装载

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

会出现一个链接

只需点击链接，许可登录->获取验证码，复制验证码填入输入框即可。可看到左侧目录已出现谷歌云盘目录。

二、使用Colab运行python工程文件

在上文中我们将自己的python工程文件上传至google Drive中，并在Colab中挂载谷歌云盘，前置条件已达到，这章我们就来运行自己的目标工程文件。 

2.1 更改当前工作目录

       虽然Colab支持大部分指令，但在Colab中cd命令是无效的，这时我们切换工作目录就需要使用到os包中的chdir函数。

import os
os.chdir("drive")

发现我们已到达指定工作目录 (已在pythonProject文件夹下上传了一个简单的mnist手写数据集的识别分类文件)

2.2 运行python文件

使用os.chadir()进入工程目录下，我们只需要一句简单的命令行：

!python mnist_classify.py

或者：

!python3 mnist_classify.py

运行结果：

 2.3  安装、更改依赖包

谷歌推出Colab提供了很多的python依赖包，并且安装了自家的Tensorflow学习框架，对自家框架也是完美支持。但对一部分使用者来说还是不够的。所以就需要自己在线安装依赖包。比如：

keras

!pip install -q keras
import keras

pytorch

!pip3 install torch torchvision

谷歌自家的产品，肯定使用自家框架Tensorflow更香。Colab系统环境已安装了2.2.0与1.15.2 两个版本的tensorflow框架，默认使用2.2.0版本。而2.x版本与1.x版本差别不小。（因为Colab系统安装的CUDA版本为10.0与10.1两个版本，默认使用10.1版本，可根据自己需要修改。版本对应请移步：https://www.tensorflow.org/install/source_windows）

当我们想使用1.X版本时，可直接使用魔术符号“%”，

%tensorflow_version 1.x

 测试tensorflow版本与GPU是否可用

import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())

 一些更好玩的就留待下篇文章了，或者自己去挖掘探索。