Google Colab GPU免费使用方法

工欲善其事，必先利其器。本科毕设选择了一个关于深度学习的题目，一谈到deep learning，基本离不开gpu的使用。由于自己电脑购买的时间已久，显卡比较差，当时装pytorch时就直接选择了cpu版本。到了训练模型的时候，简单一试，发现在cpu使用率100%的时候也得跑四十多个小时，于是乎，作罢。偶然听说了Colab这个平台可以免费使用gpu，就试着用了用，虽然网上对它的评价有好有坏，但就实际体验来看，跑我这个代码还是没问题的，时间可以缩短到两小时内。

下面就来按照我的使用经历来介绍一下如何使用它。（这篇博客仅作一个学习记录，不喜勿喷若能帮到有需要的人，是我的荣幸。）

一．情况描述

在使用Colab之前，我的代码是在jupyter notebook写好并且调通的，使用的是pytorch框架。而colab也是notebook的形式，因此很方便进行迁移。

二．使用Colab

2.1访问Colab网站

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

2.2新建笔记本

点击左上角文件->新建笔记本后，网页会跳转提示需要登陆你的Google账号，因此如果你没有使用Google的条件的话，就要想想办法了。当登录好Google账号后，页面就跳转到了下面这样。

如果你使用过jupyter的话，肯定会有种熟悉的感觉，它们没什么区别。

2.3使用gpu

按照上图四步：修改->笔记本设置->硬件加速器由None该为GPU->保存。不出意外现在已经给你分配好了一块gpu。运行如下代码可以看看自己gpu的型号。

!/opt/bin/nvidia-smi

2.4迁移自己的代码

Colab实际的工作模式就是为你分配了一台带gpu的主机。我们进行训练时使用到的肯定还有数据集等，如果直接将代码复制上去肯定是无法运行的，因为为你分配的主机找不到你的其余文件所在的路径，因此无法运行，这个时候可以借助Google drive来完成。

点击左侧文件样式的图标，发现目前只有一个叫做sample_data的文件夹。运行下面两行代码：

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

然后会弹出一个链接，点击链接，登录你的Google账号，获得验证码，然后将验证码输入到框里，就可以将colab挂载到你的google云盘。现在再看文件里就会多出来一个gdrive文件夹，格式如下所示，这就表明你已经挂载成功了。

把你跑代码需要的所有文件放到Colab Notebooks里，运行下边两行代码。

import sys
sys.path.append("gdrive/MyDrive/Colab Notebooks")

这两行是将路径添加进来，这样你import 放在云盘Colab Notebooks文件夹里自己写的包时就不会报错了。然后把你jupyter的代码copy进来，还需要做的就是修改路径，把你代码里涉及到的所有和路径相关的东西都改成’gdrive/MyDrive/Colab Notebooks/xxx’， 然后迁移的过程就实现了。

总的来看工作就是colab分配了一台带gpu的主机给你，你通过Google drive放置自己写的文件夹，然后将colab挂载到你的Google drive，这样分配给你的主机就可以找到你的文件代码所在路径。然后把代码中涉及路径的地方修改为分配的主机可以找到的路径，代码就可以运行了。

说明：
1.修改为gpu，挂载Google drive以及添加路径是每次都要进行的。
2.我这里的代码本来就使用的是jupyter notebook写的，因此迁移较为容易。直接copy过去就行，不知道是否有办法能跑本地的代码。
3.连续使用时长貌似不能超过12h，我这里数据集不是很大，也不会遇到这个问题。

总结：白嫖的感觉真好！！！