Google Colab ju lejon të ekzekutoni fletoret Python në shfletuesin me konfigurim zero, GPU falas në nivelin e hyrjes dhe ndarje të lehtë. Nëse jeni i ri për fletoret, kufijtë e seancës ose sjelljen e të dhënave tuaja, ky udhëzues ju jep një konfigurim të pastër, të përsëritshëm që funksionon në të dy planet falas dhe ato pro. Një shfletues ose safari i bazuar në krom të datës. Internet i qëndrueshëm; Colab funksionon në VM të largëta që mund të shkëputen nëse janë të papunë. Opsionale: Një bazë e të dhënave të vogla në Drive (CSV/PARKET/IMAGES) për të praktikuar me të. Opsionale: Buxheti për Pro/Pro+ Nëse doni GPU më të shpejtë, seanca më të gjata dhe llogaritjen me përparësi më të lartë.
1) Krijoni fletoren tuaj të parë
Shkoni në Colab, klikoni në fletore të reja. Do të shihni një qelizë kodi dhe një qelizë teksti (Markdown). Klikoni në qelizën e kodit dhe shtypni Shift+Enter për ta ekzekutuar atë. Shtoni një qelizë teksti për shënime me ctrl+m pastaj b (Mac: cmd+m, pastaj b).
2) Zgjidhni pajisjen tuaj (CPU, GPU, ose TPU)
Open Runtime → Ndryshoni llojin e ekzekutimit dhe zgjidhni Accelerator Hardware : asnjë (CPU), GPU, ose TPU. Përdoruesit falas marrin disponueshmëri të ndryshueshme; Tierët pro ofrojnë përparësi më të lartë. Pas ndërrimit, mjedisi rifillon. Për TPU, përdorni TensorFlow ose Jax ndërton që e mbështesin atë. Qelizat e kodit funksionojnë në krye-dhe ndajnë dhe ndajnë të njëjtin gjendje të kernelit Python. Përdorni Shift+Enter për të ekzekutuar një qelizë dhe për të lëvizur, ose klikoni në ikonën e lojës. Rinisni kohën e ekzekutimit në çdo kohë përmes Runtime → Rinisni seancën për të pastruar kujtesën dhe variablat. Përdorni një pikë kryesore të thirrjes për të thirrur komandat e guaskës nga qelizat:
! PIP Instaloni Polars Scikit-Learn Plotly! APT-Get-qq UPDATE && apt-get-qq Instalimi-y libspatialIndex-dev
Shënim: instalon drejtpërdrejt brenda VM të përkohshëm dhe të zhduket kur përfundon seanca. Ruani kërkesat tuaja.txt për të përzënë dhe ri-instaluar në krye të fletores për vrapime të riprodhueshme. Përdorni File → Ruani një kopje në Drive për të kopjuar, ose File → Ruani një kopje në GitHub për të mbështetur në një repo. Eksportoni me skedarin → Shkarkoni për të marrë.ipynb,.py, ose.html. Për Drive, Run:
nga Google.Colab Import Drive Drive.Mount (‘/përmbajtja/Drive’) # Grantet Qasja në Pandat e Importit të Drive tuaj si pd df=pd.read_csv (‘/përmbajtje/disk/myDrive/të dhëna/mostër.csv’) df.head. ()
Këshilla
Këshillë Pro: Përdorni%PIP dhe%Conda Magic, ku është në dispozicion për të mbajtur instalimet e lidhura me kernelin. Pro Këshillë: për riprodhueshmëri, versionet e pinit: pandas==2.2.3. siguria: ekzekutoni vetëm fletoret që ju besoni; Qelizat e kodit mund të ekzekutojnë komandat e guaskës. Shpejtësia: Lëvizni para-përpunimin e rëndë në GPU/TPU ose vektorizoni me Numpy/Polar për të zvogëluar sythe pythoni. Organizimi: nameat e emrave si yyyy-mm-dd_topic.ipynb kështu që drejtojini ato automatikisht.
FAQS
A është Colab me të vërtetë falas? Po, niveli i lirë përfshin CPU dhe qasje oportuniste në GPU/TPU me seanca më të shkurtra. Nivelet e paguara i japin përparësi pajisjeve më të shpejta dhe kohërave më të gjata.
Sa zgjasin seancat? ndryshon sipas nivelit dhe aktivitetit. Presin shkëputje automatike pas periudhave boshe ose vrapimeve shumë të gjata. Pika e kontrollit për të përzënë shpesh.
A mund të përdor R ose gjuhë të tjera? Ju mund të telefononi mjetet e sistemit përmes!, Dhe disa kernel të komunitetit mbështesin R, por mbështetja është kryesisht e përqendruar në Python. VM ndalet kur seanca mbaron. Përdorni Drive për të kursyer rezultate dhe për të konsideruar lëvizjen e ngarkesave të prodhimit në një shërbim të menaxhuar kur ju tejkaloni kolabin.
Cili është ndryshimi midis GPU dhe TPU? TPUS TENSORFLOW/JAX me rrjedhë matricë masive matricë për modele të caktuara. Zgjidhni CPU/GPU/TPU nën kohën e ekzekutimit. Instaloni paketat e kërkuara në krye. Montoni makinën dhe ngarkoni të dhënat tuaja. Organizoni rezultate në dosjet e makinës. Monitoroni RAM/Disk; rinisni kur të jetë e nevojshme. Ndani në mënyrë të sigurt dhe përdorni forma për parametrat. Eksportoni në.ipynb,.py, dhe.html për ripërdorim dhe ndarje.
Përfundim
Filloni në shfletues, zgjidhni përshpejtuesin e duhur, Mount Drive dhe pin versionet tuaja të paketave. Me atë bazë, ju mund të trajnoni modele, të analizoni të dhënat dhe të ndani rezultatet pa konfigurimin lokal. Presin rifillime të rastit; Rrjedha juaj e punës mbetet e sigurt nëse shkruani vazhdimisht të dhëna dhe objekte për të përzënë. Kur keni nevojë për llogaritjen më të fortë ose GPU të përparuara, azhurnoni në një shkallë të paguar ose migroni ngarkesa të pjekura të punës në një shërbim të dedikuar.
