英伟达登录界面卡住_免费！GoogleColab现已支持英伟达T4GPU

  新智元报道   

编辑&＃xff1a;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&＃xff0c;T4GPU耗能仅为70瓦&＃xff0c;是面向现有数据中心基础设施而设计的&＃xff0c;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&＃xff0c;不需要在本地做多余配置&＃xff0c;完全云端运行&＃xff0c;存储在GoogleDrive中&＃xff0c;可以多人共享&＃xff0c;简直跟操作Google Sheets一样简单。之前只提供英伟达Tesla K80&＃xff0c;现在已经支持TPU了&＃xff01;英伟达T4 GPU耗能仅为70瓦&＃xff0c;是面向现有数据中心基础设施而设计的&＃xff0c;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关于使用TPU的教程&＃xff1a;

https://colab.research.google.com/notebooks/tpu.ipynb#scrollTo&＃61;71iSWtsXe36x

Google Colab不需要安装配置Python&＃xff0c;并可以在Python 2和Python 3之间快速切换&＃xff0c;支持Google全家桶&＃xff1a;TensorFlow、BigQuery、GoogleDrive等&＃xff0c;支持pip安装任意自定义库&＃xff0c;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&＃xff0c;供大家进行机器学习的开发和研究。GPU的型号正是Tesla K80&＃xff0c;可以在上面轻松地跑Keras、Tensorflow、Pytorch等框架&＃xff1b;最近新增加的TPU是英伟达T4&＃xff0c;可以在更广阔的天地大有作为了。

当然还有一个好处&＃xff1a;不需要前期环境配置。相信很多人对前期环境配置过程中&＃xff0c;遇到的各种奇奇怪怪问题深有体会&＃xff1a;Anaconda套件该选择哪个版本&＃xff1f;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&＃xff0c;即插即用。

Colab的文档使用我们最喜爱的Markdown格式&＃xff0c;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&＃xff0c;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&＃xff1b;晚体验有可能要等折扣了。

Colab官网&＃xff1a;

https://colab.research.google.com

首先我们需要在Google Drive上新建一个文件夹&＃xff1a;

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&＃xff0c;然后选择硬件加速器&＃xff0c;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&＃xff1a;

在Colab里创建/打开笔记本很简单&＃xff0c;直接点击新建/打开即可&＃xff1a;

创建的时候会提示你选择GPU或者TPU。如果你没有选&＃xff0c;或者你想给现有的项目更换硬件加速器&＃xff0c;那么都可以通过Edit→Notebook Settings&＃xff0c;或者Runtime→Change rumtime type重新选择&＃xff0c;即时生效。

更换硬件加速器类型后&＃xff0c;运行以下代码检查是否使用了GPU或者TPU&＃xff1a;

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

如果返回结果中没有GPU或者TPU字样只有CPU字样&＃xff0c;那么说明没有使用到二者。

注意上图里的Github标签&＃xff0c;超棒对不对&＃xff01;

还有一点需要注意的是&＃xff0c;因为Colab运行在云端&＃xff0c;所以一定要记住随时保存&＃xff0c;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。

Colab自带Tensorflow、Matplotlib、Numpy、Pandas等深度学习基础库&＃xff0c;直接import即可&＃xff0c;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&＃xff0c;比如keras&＃xff1a;

安装PyTorch&＃xff1a;

除了pip&＃xff0c;还支持apt-get。安装OpenCV&＃xff1a;

安装XGBoost&＃xff1a;

有的第三方Python库可能需要依赖Java或是其他软件才能运行&＃xff0c;安装过程稍微复杂一点&＃xff1a;

注意--yes这个小操作很关键&＃xff0c;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&＃xff0c;注意最后加上--yes。

安装有版权的oracle-java-installer&＃xff0c;需要有同意协议的操作&＃xff1a;

设置系统默认jdk&＃xff1a;

测试Java是否安装成功&＃xff1a;

1. 免费用GPU

在笔记本设置中&＃xff0c;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)&＃xff0c;可以直接在Jupyter Notebook中运行以下命令&＃xff1a;

import tensorflow as tfdevice_name &＃61; tf.test.gpu_device_name()if device_name !&＃61; &＃39;/device:GPU:0&＃39;: raise SystemError(&＃39;GPU device not found&＃39;)print(&＃39;Found GPU at: {}&＃39;.format(device_name))

顺利的话会出现&＃xff1a;

Found GPU at: /device:GPU:0

不顺利的话&＃xff1a;

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&＃xff0c;我们还可以通过代码调用笔记本中的文件选择器&＃xff1a;

from google.colab import filesuploaded &＃61; files.upload()

之后&＃xff0c;我们就会发现单元 cell 下出现了“选择文件”按钮&＃xff1a;

然后就可以直接上传文件了

参考链接&＃xff1a;

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

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

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

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

更多阅读

• Nature 重磅封面&＃xff1a;复活死亡大脑&＃xff01;

新智元春季招聘开启&＃xff0c;一起弄潮 AI 之巅&＃xff01;

岗位详情请戳&＃xff1a;

【加入社群】

新智元 AI 技术 &＃43; 产业社群招募中&＃xff0c;欢迎对 AI 技术 &＃43; 产业落地感兴趣的同学&＃xff0c;加小助手微信号&＃xff1a;aiera2015_2   入群&＃xff1b;通过审核后我们将邀请进群&＃xff0c;加入社群后务必修改群备注(姓名 - 公司 - 职位&＃xff1b;专业群审核较严&＃xff0c;敬请谅解)。