Google Colab現在提供免費的T4 GPU。Colab是Google的一項免費云端機器學習服務，T4GPU耗能僅為70瓦，是面向現有數據中心基礎設施而設計的，可加速AI訓練和推理、機器學習、數據分析和虛擬桌面。

Google Colab是Google內部Jupyter Notebook的交互式Python環境，不需要在本地做多余配置，完全云端運行，存儲在GoogleDrive中，可以多人共享，簡直跟操作Google Sheets一樣簡單。之前只提供英偉達Tesla K80，現在已經支持TPU了！英偉達T4 GPU耗能僅為70瓦，是面向現有數據中心基礎設施而設計的，可加速AI訓練和推理、機器學習、數據分析和虛擬桌面。

運行命令

!nvidia-smi

返回結果

有Reddit網友表示Colab TPU比本地GTX 1080Ti的速度慢了將近2倍。

Google關于使用TPU的教程：

https://colab.research.google.com/notebooks/tpu.ipynb#scrollTo=71iSWtsXe36x

Google Colab介紹

Google Colab不需要安裝配置Python，并可以在Python 2和Python 3之間快速切換，支持Google全家桶：TensorFlow、BigQuery、GoogleDrive等，支持pip安裝任意自定義庫，支持apt-get安裝依賴。

它最大的好處是為廣大的AI開發者提供了免費的GPU和TPU，供大家進行機器學習的開發和研究。GPU的型號正是Tesla K80，可以在上面輕松地跑Keras、Tensorflow、Pytorch等框架；最近新增加的TPU是英偉達T4，可以在更廣闊的天地大有作為了。

當然還有一個好處：不需要前期環境配置。相信很多人對前期環境配置過程中，遇到的各種奇奇怪怪問題深有體會：Anaconda套件該選擇哪個版本？路徑沒設置好導致Jupyter Notebook調不出來等等。而Google Colab直接配置好一個環境，即插即用。

Colab的文檔使用我們最喜愛的Markdown格式，并且提供預覽模式可以直接看到輸出文檔的最終樣式。

雖然說目前為止一直免費，一次最多可以免費使用12小時。但不確定是否未來會收費。所謂早體驗早享受；晚體驗有可能要等折扣了。

Colab官網：

https://colab.research.google.com

預備工作

首先我們需要在Google Drive上新建一個文件夾：

然后從下拉菜單里直接進入Colab即可。

接下來需要做一些簡單的配置。比如你可以選擇使用Python 2或者3筆記本，然后選擇硬件加速器，接下來就可以愉快的敲代碼了。

或者你也可以直接wget一個共享的zip包。例如下載并解壓Udacity的花朵數據：

創建/打開一個筆記本

在Colab里創建/打開筆記本很簡單，直接點擊新建/打開即可：

創建的時候會提示你選擇GPU或者TPU。如果你沒有選，或者你想給現有的項目更換硬件加速器，那么都可以通過Edit→Notebook Settings，或者Runtime→Change rumtime type重新選擇，即時生效。

更換硬件加速器類型后，運行以下代碼檢查是否使用了GPU或者TPU：

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

如果返回結果中沒有GPU或者TPU字樣只有CPU字樣，那么說明沒有使用到二者。

注意上圖里的Github標簽，超棒對不對！

還有一點需要注意的是，因為Colab運行在云端，所以一定要記住隨時保存，請把保存按鈕當做vim里的esc來對待。

當然也可以把文件下載到本地或者上傳到云端。

庫的安裝和使用

Colab自帶Tensorflow、Matplotlib、Numpy、Pandas等深度學習基礎庫，直接import即可，目前連PyTorch也能直接import了。

某些庫可能需要先安裝后才能使用，比如keras：

安裝PyTorch：

除了pip，還支持apt-get。安裝OpenCV：

安裝XGBoost：

有的第三方Python庫可能需要依賴Java或是其他軟件才能運行，安裝過程稍微復雜一點：

注意--yes這個小操作很關鍵，如果沒有系統可能會卡住（有興趣的讀者可以嘗試一下）。其他軟件也類似，注意最后加上--yes。

安裝有版權的oracle-java-installer，需要有同意協議的操作：

設置系統默認jdk：

測試Java是否安裝成功：

2個小技巧

1. 免費用GPU

在筆記本設置中，確保硬件加速選擇了GPU。檢查是否真的開啟了 GPU（即當前連接到了GPU實例），可以直接在Jupyter Notebook中運行以下命令：

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

順利的話會出現：

FoundGPUat:/device:GPU:0

不順利的話：

谷歌允許你一次最多持續使用12小時的免費 GPU。

2. 上傳并使用數據文件

除了使用菜單里的上傳按鈕外，我們還可以通過代碼調用筆記本中的文件選擇器：

fromgoogle.colabimportfilesuploaded = files.upload()

之后，我們就會發現單元 cell 下出現了“選擇文件”按鈕：

然后就可以直接上傳文件了