Google Colab lar deg skrive og kjøre Python-kode i nettleseren din

Google Colab, også kjent som Colaboratory, er et gratis nettverktøy fra Google som lar deg skrive og kjøre Python-kode direkte i nettleseren din. Det fungerer som Jupyter Notebook, men uten problemer med installasjon, siden alt kjører i skyen. Colab er spesielt nyttig for maskinlæring og datavitenskap fordi det kommer med et klar-til-bruk oppsett og til og med gir deg gratis tilgang til GPUer for raskere prosessering. La oss utforske hvordan du kan bruke Google Colab til prosjektene dine.

Innholdsfortegnelse

Hvem bør bruke Google Colab?
Få tilgang til Google Colab
Kjør Python-koden din i Google Colab
Organiser og administrer notatbøkene dine
Administrer og se filhierarki
Last opp filer til Google Colab
Del notatbøker med andre
Aktiver GPU/TPU for å øke hastigheten på oppgaver
Importer biblioteker i Google Colab
Arbeide med GitHub Repositories

Hvem bør bruke Google Colab?

Google Colab er nyttig for alle som utforsker Python, datavitenskap eller maskinlæring uten en kraftig datamaskin.

Studenter og nybegynnere kan bruke Colab til å utforske Python og datavitenskap direkte i nettleseren uten installasjon eller oppsett.
Datavitenskap og maskinlæringsentusiaster kan øke hastigheten på modelltrening med Colabs forhåndsinstallerte biblioteker og gratis tilgang til GPUer og TPUer.
Med Google Colab kan forskere og fagfolk raskt teste ideer og samarbeide gjennom skybaserte notatbøker uten å bekymre deg for lokalt oppsett.
Brukere med begrenset maskinvare kan kjøre ressurskrevende oppgaver uten å trenge en avansert datamaskin.

Få tilgang til Google Colab

For å bruke Google Colab, gå tilGoogle Collab-nettstedet, logg på med Google-kontoen din. Når siden åpnes, vil du se et popup-vindu med forskjellige alternativer.

DeEksemplerfanen gir ferdiglagde Jupyter-notatbøker du kan utforske.
DeNylig faneviser notatbøkene du har jobbet med sist.
Hvis du har lagret notatbøker i Google Disk, kan du få tilgang til dem viaGoogle Diskfanen.
Du kan også koble Colab til dinGitHubkonto for å åpne notatbøker som er lagret der.
Til slutt, denLast oppalternativet lar deg legge til en notatbok direkte fra datamaskinen.

Klikk påNy notatbok-knappen nederst til høyre i popup-vinduet for å lage en ny notatbok.

Alternativt kan du gå til hovedsiden og velgeFil->Ny notatbok i Drivefra menylinjen.

Som standard vil notatboken få navnet «Untitled.ipynb» og lagret på Google Disk. Du kan klikke på tittelen øverst til venstre for åendre navndet og begynn å skrive Python-koden din.

Når du er ferdig med å skrive Python-koden, trykk Shift + Enter eller klikk påKjør altknappen for å kjøre notatboken.

En nyttig funksjon i Google Colab er AI-kodingsassistenten. I stedet for å skrive koden fra bunnen av, kan du be AI om å foreslå funksjoner, fikse feil eller lage eksempelprogrammer.

For eksempel spurte jeg Colabs AI-funksjon med: "Skriv Python-kode for å plotte tallene 1–10 og deres ruter", og den genererte koden umiddelbart.

Du bør imidlertid gå nøye gjennom AI-generert kode før du kjører den i den bærbare datamaskinen. AI kan introdusere feil, gå glipp av viktige detaljer eller bruke kommandoer som ikke samsvarer med dine eksakte behov.

Organiser og administrer notatbøkene dine

I Google Colab er det enkelt å holde arbeidet organisert siden alle notatbøker er lagret i Google Disk. Du kan flytte en notatbok til en hvilken som helst mappe i Disk akkurat som vanlige filer. Dette gjør det enklere å skille prosjekter og holde alt i orden.

En annen nyttig funksjon er versjonshistorikk. Colab lagrer automatisk fremdriften din, og du kan bruke versjonsloggen til å gå tilbake og gjenopprette tidligere versjoner av den bærbare datamaskinen hvis noe går galt. For å gjøre dette, klikk ganske enkeltFilog velg deretterRevisjonshistoriefra rullegardinlisten.

Du kan gå tilbake til det tidligere arbeidet ditt og gjenopprette det om nødvendig.

I tillegg gir Colab deg muligheten til å laste ned notatbøkene dine i forskjellige formater. Du kan for eksempel lagre dem som ".ipynb"-filer for å åpne dem senere i Jupyter Notebook, eller eksportere dem som ".py"-filer hvis du vil kjøre koden direkte i et Python-miljø utenfor Colab. For å gjøre dette, naviger tilFil, hold musepekeren overLast nedalternativ, ogvelg nedlastingsformatetter eget valg:

Administrer og se filhierarki

Colab har også en innebygd filbehandling. På venstre side av notatboken, rett under verktøylinjen, kan du klikke påMappeikon for å vise filhierarkiet.

Herfra kan du se opplastede filer, Drive-monterte kataloger og til og med opprette eller slette mapper.

Last opp filer til Google Colab

Du kan laste opp filer til Colab enten gjennom filutforskeren eller med Python-kode. For å bruke filutforskeren, klikk påmappeikonet på venstre sidefelt, trykk påLast oppknappen (pil opp), og velg enfilfra systemet ditt.

Alternativt kan du bruke Python-kode medfiles.upload()funksjon fra Google Colab, som åpner en dialogboks som lar deg velge og laste opp filer direkte til Colab.

from google.colab import files
uploaded = files.upload()

Når du kjører denne notatboken, blir du bedt om å laste opp en fil. Klikk påVelg filfor å velge og laste opp hvilken som helst fil du trenger.

Når den er lastet opp, kan du lese og behandle filen i notatboken. Dessuten kan dumontere Google Diski Colab ved å kjøre følgende kode.

from google.colab import drive
drive.mount('/mntDrive')

Selvfølgelig må du gi tillatelse for å få tilgang til Google Disk.

Når den er montert, kan du få tilgang til Disk-filene dine akkurat som lokale filer.

På samme måte som å dele en fil i Google Disk, lar Google Colab deg dele notatblokken din ved å gå inne-postadressereller avgenerere en delbar lenkesom andre kan bruke til å se eller redigere, avhengig av tillatelsene du velger.

Aktiver GPU/TPU for å øke hastigheten på oppgaver

En av de største fordelene med Google Colab er at det gir gratis tilgang til kraftig maskinvare som GPUer (Graphics Processing Units) og TPUer (Tensor Processing Units). Disse akseleratorene reduserer tiden det tar å trene maskinlæringsmodeller sammenlignet med å kjøre dem bare på en CPU.

For å aktivere dem, gå tilKjøretidmeny og velgEndre kjøretidstype.

UnderMaskinvareakseleratorrullegardinmenyen, velgMaskinvareakseleratoretter eget valg.

Når du har aktivert GPU eller TPU i Google Colab, er det en god idé å bekrefte at den bærbare datamaskinen din faktisk er koblet til den valgte maskinvaren. For å se etter GPUer kan du for eksempel kjøre en enkel test med TensorFlow:

import tensorflow as tf
if tf.config.list_physical_devices('GPU'):
    print("GPU is available")
else:
    print("No GPU detected")

Hvis en GPU er aktiv, vil den bekrefte tilgjengelighet; ellers vil du se en melding som sier at ingen GPU ble funnet.

Importer biblioteker i Google Colab

En annen nyttig funksjon i Colab er at du kan installere Python-pakker med pip, akkurat som du ville gjort på din lokale datamaskin. Dette gjør det enkelt å hente inn et hvilket som helst bibliotek du trenger. Hvis du for eksempel vil bruke Faker, kjør ganske enkelt:

!pip install faker

Det ønskede biblioteket vil bli installert i ditt Colab-miljø og klart til bruk med en gang.

Arbeide med GitHub-repositories

Du kan klone GitHub-lagre direkte inn i Colab-miljøet ditt. Dette hjelper deg med å hente inn eksisterende prosjekter, teste dem og til og med gjøre endringer uten å måtte laste ned og laste opp filer manuelt. For eksempel, hvis du vil bruke et eksisterende prosjekt fra GitHub, kan du klone det ved å kjøre følgende kommando i en Colab-celle:

!git clone https://github.com/Anees1214/mte.git

Mer lesing:Jeg erstattet disse 4 appene med Notion, og jeg er så vidt i gang

Etter at kloningen er fullført, vil du se en ny mappe kalt "mte" i arbeidsområdet ditt.

På denne måten kan du få direkte tilgang til koden, notatbøkene og andre ressurser fra depotet inne i Colab.

Innpakning

Alt i alt gir Google Colab tilgang til Python i skyen, sammen med verktøy for å kjøre kode, administrere filer og til og med bruke GPUer og TPUer. Lokale oppsett har fortsatt sin plass, men Colab fjerner de tunge løftene og holder ting enkelt. Det er et flott alternativ når du vil komme raskt i gang eller dele arbeidet ditt sømløst.