A Google Colab lehetővé teszi a Python notebookok futtatását a böngészőben nulla beállítással, ingyenes GPU-kkal a belépési szinten és az egyszerű megosztás. Ha még nem ismeri a notebookokat, a munkamenet-korlátokat vagy a saját adatait behozza, ez az útmutató tiszta, megismételhető beállítást nyújt, amely mind az ingyenes, mind a Pro terveken működik. Egy napi króm-alapú böngésző vagy szafari. Stabil internet; A Colab távoli virtuális gépeken fut, amelyek megszakadhatnak, ha alapjáraton. Opcionális: Egy kis adatkészlet a meghajtóban (CSV/Parquet/Images) a gyakorláshoz. Opcionális: Költségvetés a Pro/Pro+ számára, ha gyorsabb GPU-kat, hosszabb üléseket és magasabb prioritású számítást szeretne.
1) Hozzon létre első notebookot
Lépjen a Colab-ba, kattintson az Új Notebook elemre. Látni fog egy kódcellát és egy szöveges cellát (Markdown). Kattintson a kódcellára, és nyomja meg a Shift+Enter gombot a futtatáshoz. Adjon hozzá egy szöveges cellát a jegyzetekhez Ctrl+M-vel, majd b (MAC: CMD+M, majd B). Az ingyenes felhasználók változó rendelkezésre állást kapnak; A profiers magasabb prioritást kínál. A váltás után a környezet újraindul. A TPU-hoz használja a TensorFlow vagy a Jax Builds-t, amelyek támogatják azt. A kódcellák a legmagasabb bottomot futtatják, és ugyanazt a Python kernel állapotot osztják meg. A Shift+Enter használatával futtassa a cellát és mozgatja, vagy kattintson a Play ikonra. Indítsa újra a futási időt a futásidejű → újraindító munkameneten keresztül, hogy törölje a memóriát és a változókat. Használjon egy vezető felkiáltási pontot a cellákból származó shell parancsok hívásához:
! PIP install Polars Scikit-Learn Plotly! APT-PET-QQ UPDATE && Apt-PET-QQ Install-Y LibSpatialInDex-Dev
Megjegyzés: A telepítések az ideiglenes VM-en belül élőben és eltűnnek, amikor a munkamenet véget ér. Mentse el a követelményeket.txt a notebook tetejére történő vezetéshez és újratelepítéséhez a reprodukálható futásokhoz. Használja a fájlt → Mentés másolat mentése a meghajtóba, hogy másolatba kerüljön, vagy → Mentse el a másolatot a GitHub-ba, hogy biztonsági másolatot készítsen egy repóban. Exportáljon fájllal → Letöltés a.iPynB,.py vagy.html. A meghajtóhoz futtassa:
a google.colab importálási meghajtóhoz.Mount (‘/Content/Drive’) # Grant hozzáférést biztosít a meghajtóhoz importálókhoz pd df=pd.read_csv (‘/tartalom/meghajtó/myDrive/data/samint.csv’) df.head ()
pro tipp: Az adatok/mapuka megőrzése alatt tartja az adatokat/a PROJEKT-nél. A csapattársak szerkesztés nélkül futtathatják a notebookot. Mentse el a modelleket és a tárgyakat kifejezetten a vezetéshez, hogy a virtuális gép leállása után fennálljon. Az ingyenes szintű munkamenetek időre korlátozódnak, és elválaszthatók, ha alapjáraton vagy erőforrás-korlátozásra kerülnek. A profierek meghosszabbítják a futási időtartamot és javítják a stabilitást, de a hosszú távú feladatoknak továbbra is ellenőrzésre kell irányulniuk a kimeneteket a gyakran vezetéshez. A megjegyzések úgy működnek, mint a dokumentumok. A biztonságosabb együttműködés érdekében készítsen egy „végrehajtási” példányt csapattársánként, hogy elkerülje az egymás állapotát. Adjon hozzá egy olyan sort, mint a#@param {type:”Slider”, Min: 1, Max: 128, lépés: 1} A vezérlés feltárásához. Ez elősegíti a nem technikai csapattársak megváltoztatását a bemenetek megváltoztatása nélkül. Nyilvános adatkészletekhez töltse le a! Wget vagy Python kéréseit. Mindig írja meg a végső példányt a vezetéshez, nem csak a virtuális gép. Ezután exportálja a notebookot.ipynB-ként a jövőbeli szerkesztéshez és a.html pillanatképet a megosztáshoz. nem kaphat GPU-t: váltás ideiglenesen, később próbálkozzon, vagy frissítsen egy fizetett szintre a magasabb prioritás érdekében. A fájlok újracsatlakozás után eltűnnek: bármi a külső meghajtón kívüli. Mindig írjon a/Content/Drive/…. lassú telepítésre minden futtatást: gyorsítótár kerekek a meghajtóban, és innen telepítsen, vagy készítsen egy olyan beállítási cellát, amely mindent egyszerre telepít.
tippek
pro tipp: Használja a PIP és%Conda Magic-ot, ahol a kernelhez kötött telepítések tartásához rendelkezésre állnak. pro tipp: A reprodukálhatósághoz, a PIN-verziók: Pandas==2.2.3. Biztonság: Csak futtassa meg a notebookokat, amelyekben megbízik; A kódcellák végrehajthatják a Shell parancsokat. sebesség: Mozgassa a nehéz előfeldolgozást a GPU/TPU-ra, vagy vektorizálja a numpy/polárokat a python hurkok csökkentése érdekében. Szervezet: Név notebookok, mint például a yyyy-mm-dd_topic.ipynb, így a meghajtás automatikusan rendezi őket.
GYIK
A Colab valóban ingyenes? A fizetett szintek prioritást élveznek a gyorsabb hardverre és a hosszabb futási időre. Várjon automatikus leválasztást tétlen vagy nagyon hosszú futás után. Ellenőrzőpont a gyakran vezetéshez.
Használhatok R vagy más nyelveket? Felhívhatja a System Tools-ot! És néhány közösségi kernel támogatja az R-t, de a támogatás elsősorban a python-központú. A virtuális gép szünetet tart, amikor a munkamenet véget ér. Használja a meghajtót a kimenetek mentéséhez, és fontolja meg a termelési munkaterhelések mozgatását egy kezelt szolgáltatásba, amikor kinövi a Colab-ot.
Mi a különbség a GPU és a TPU között? TPUS célpont TensorFlow/JAX, masszív mátrix matematikai áteresztőképességgel bizonyos modellekhez. Válassza a CPU/GPU/TPU lehetőséget futásidő alatt. Telepítse a szükséges csomagokat a tetején. Szerelje fel a meghajtót és töltse be az adatkészleteket. Szervezze ki a kimeneteket a meghajtó mappákban. Monitor RAM/lemez; indítsa újra, ha szükséges. Ossza meg biztonságosan és használja az űrlapokat a paraméterekhez. Exportálja a.ipynB,.py és.html fájlt az újrafelhasználáshoz és a megosztáshoz.
Következtetés
Indítás a böngészőben, válassza ki a megfelelő gyorsítót, rögzítse a meghajtót és rögzítse a csomag verzióit. Ezzel a bázissal a modellek képzése, az adatok elemzése és az eredmények megosztása a helyi beállítás nélkül. Várható, hogy alkalmi újrainduljon; A munkafolyamat biztonságban marad, ha következetesen ad adatokat és tárgyakat vezetni. Ha stabiler számításra vagy fejlett GPU-ra van szüksége, frissítse a fizetett szintre vagy az érett munkaterhelésekre migrál egy dedikált szolgáltatásra.
