免费！Google Colab现已支持英伟达T4 GPU

　　新智元报道

　　编辑：元子

　　【新智元导读】Google Colab现在提供免费的T4 GPU。Colab是Google的一项免费云端机器学习服务，T4GPU耗能仅为70瓦，是面向现有数据中心基础设施而设计的，可加速AI训练和推理、机器学习、数据分析和虚拟桌面。

　　Google Colab是Google内部Jupyter Notebook的交互式Python环境，不需要在本地做多余配置，完全云端运行，存储在GoogleDrive中，可以多人共享，简直跟操作Google Sheets一样简单。之前只提供英伟达Tesla K80，现在已经支持TPU了！英伟达T4 GPU耗能仅为70瓦，是面向现有数据中心基础设施而设计的，可加速AI训练和推理、机器学习、数据分析和虚拟桌面。

　　运行命令

　　!nvidia-smi

　　返回结果

　　有Reddit网友表示Colab TPU比本地GTX 1080Ti的速度慢了将近2倍。

　　Google Colab介绍

　　Google Colab不需要安装配置Python，并可以在Python 2和Python 3之间快速切换，支持Google全家桶：TensorFlow、BigQuery、GoogleDrive等，支持pip安装任意自定义库，支持apt-get安装依赖。

　　它最大的好处是为广大的AI开发者提供了免费的GPU和TPU，供大家进行机器学习的开发和研究。GPU的型号正是Tesla K80，可以在上面轻松地跑Keras、Tensorflow、Pytorch等框架；最近新增加的TPU是英伟达T4，可以在更广阔的天地大有作为了。

　　当然还有一个好处：不需要前期环境配置。相信很多人对前期环境配置过程中，遇到的各种奇奇怪怪问题深有体会：Anaconda套件该选择哪个版本？路径没设置好导致Jupyter Notebook调不出来等等。而Google Colab直接配置好一个环境，即插即用。

　　Colab的文档使用我们最喜爱的Markdown格式，并且提供预览模式可以直接看到输出文档的最终样式。

　　虽然说目前为止一直免费，一次最多可以免费使用12小时。但不确定是否未来会收费。所谓早体验早享受；晚体验有可能要等折扣了。

　　Colab官网：

　　https://colab.research.google.com

　　预备工作

　　首先我们需要在Google Drive上新建一个文件夹：

　　然后从下拉菜单里直接进入Colab即可。

　　接下来需要做一些简单的配置。比如你可以选择使用Python 2或者3笔记本，然后选择硬件加速器，接下来就可以愉快的敲代码了。

　　或者你也可以直接wget一个共享的zip包。例如下载并解压Udacity的花朵数据：

　　创建/打开一个笔记本

　　在Colab里创建/打开笔记本很简单，直接点击新建/打开即可：

　　创建的时候会提示你选择GPU或者TPU。如果你没有选，或者你想给现有的项目更换硬件加速器，那么都可以通过Edit→Notebook Settings，或者Runtime→Change rumtime type重新选择，即时生效。

　　更换硬件加速器类型后，运行以下代码检查是否使用了GPU或者TPU：

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

　　如果返回结果中没有GPU或者TPU字样只有CPU字样，那么说明没有使用到二者。

　　注意上图里的Github标签，超棒对不对！

　　还有一点需要注意的是，因为Colab运行在云端，所以一定要记住随时保存，请把保存按钮当做vim里的esc来对待。

　　当然也可以把文件下载到本地或者上传到云端。

　　库的安装和使用

　　Colab自带Tensorflow、Matplotlib、Numpy、Pandas等深度学习基础库，直接import即可，目前连PyTorch也能直接import了。

　　某些库可能需要先安装后才能使用，比如keras：

　　安装PyTorch：

　　除了pip，还支持apt-get。安装OpenCV：

　　安装XGBoost：

　　有的第三方Python库可能需要依赖Java或是其他软件才能运行，安装过程稍微复杂一点：

　　注意--yes这个小操作很关键，如果没有系统可能会卡住（有兴趣的读者可以尝试一下）。其他软件也类似，注意最后加上--yes。

　　安装有版权的oracle-java-installer，需要有同意协议的操作：

　　设置系统默认jdk：

　　测试Java是否安装成功：

　　2个小技巧

　　1. 免费用GPU

　　在笔记本设置中，确保硬件加速选择了GPU。检查是否真的开启了 GPU（即当前连接到了GPU实例），可以直接在Jupyter Notebook中运行以下命令：

　　importtensorflowastf device_name=tf.test.gpu_device_name() ifdevice_name!='/device:GPU:0': raiseSystemError('GPUdevicenotfound') print('Found GPU at: {}'.format(device_name))

　　顺利的话会出现：

　　FoundGPUat:/device:GPU:0

　　不顺利的话：

　　谷歌允许你一次最多持续使用12小时的免费 GPU。

　　2. 上传并使用数据文件

　　除了使用菜单里的上传按钮外，我们还可以通过代码调用笔记本中的文件选择器：

　　fromgoogle.colabimportfiles uploaded = files.upload()

　　之后，我们就会发现单元 cell 下出现了“选择文件”按钮：

　　然后就可以直接上传文件了

　　参考链接：

　　https://www.reddit.com/r/MachineLearning/comments/bglwhy/n_google_colab_now_comes_with_free_t4_gpus/

　　https://towardsdatascience.com/getting-started-with-google-colab-f2fff97f594c

　　https://www.jianshu.com/p/000d2a9d36a0

　　https://www.kdnuggets.com/2018/02/essential-google-colaboratory-tips-tricks.html