Python深度學習1：Google Colab介紹

► 前言

現在資料科學、人工智慧及深度學習等熱門議題，而想要投入這些領域開發應用的人也愈來愈多，大多數都使用Python程式語言，所以許多人開始學習使用Python程式語言，Python擁有龐大的第三方函式庫，例如NumPy、Scikit-Learn、TensorFlow、Keras、Pandas及Matplotlib ... 等眾多套件，而剛開始學習使用Python的人可能會擔心安裝失敗，或下載版本錯誤的問題，但是網路上提供諸多免費開發環境像是Jupyter Notebook及Google Colab (Colaboratory)，本篇介紹Google Colab互動式環境，在學習時不用預花太多成本，且能夠支援加速硬體（GPU及TPU），讓你隨時隨地都可以編輯Python程式語言。

► Google Colab介紹

Google Colab是一個基於 Jupyter Notebook 的免費CPU虛擬機，透過瀏覽器即可編寫程式，當離開瀏覽器操作畫面，虛擬機上的操作資料都被清空，所以使用者不需要擔心操作不慎搞壞機器。除了資料存至雲端虛擬機上之外，還可以連接Google Drive雲端硬碟，將訓練完成的AI模型或資料科學處理的資料進行儲存，而Google Colab擁有以下幾個特點：

1. 不需任何設定：瀏覽器開起Google Colab，連線完成即建立玩虛擬機，就可以使用Google Colab的功能。
2. 免費使用 GPU或TPU：Colab中可選用的GPU通常包括Nvidia K80，T4，P4和P100，但使用者不能選擇使用哪種類型的GPU，由於免費使用的關係，Colab無法保證資源，會依據時間和使用者有浮動，筆記本最長可執行12小時；如果一定需要使用GPU，可以選擇升級為付費版本Colab Pro，每月支付9美金，優先存取更快速的 GPU 和 TPU。
3. 共用功能：Colab筆記本是存在Google Drive，方便管理ipynb檔案，也可以將程式檔案ipynb下載分享給其他人使用。
4. 開啟GitHub筆記本：透過開啟筆記本功能，可以點選GitHub選項，貼上你從GitHub看到的ipynb檔案網址，就可以在Google Colab開啟檔案或複製至自身的Google Drive。

 

► Google Colab使用教學

開啟Google Drive雲端硬碟，點選「新增->更多」，發現未Google Colaboratory選項，代表未安裝此應用程式，透過「連結更多應用程式」來安裝應用，如下圖：




點選「連結更多應用程式」找尋「Colaboratory」，找到後點擊右下角按鈕進入安裝畫面，如下圖：

點選「安裝」，即可進行Colaboratory安裝流程，如下圖：

安裝完成後，即可在「新增->更多」查看Google Colaboratory選項，如下圖：

點選Google Colaboratory進入Colab主畫面，如下圖：

選擇GPU或TPU，點選「執行階段」按鈕，選擇「變更執行階段類型」，如下圖：

點選「變更執行階段類型」後，顯示「硬體加速器」下拉式選單，選項內容為None、GPU及TPU，我們點選GPU硬體加速器，按下儲存，如下圖：

點選主換面右上角「連線」，當系統連接完成後，可以看到創建出的虛擬機資訊，代表Python開發環境都已經建立完成，即可進行Python程式語言實作與練習，如下圖：

指令輸入以下指令，滑鼠移到左邊[]就會出現「類似播放」的按鈕，點選後即可執行指令，或鍵盤按下shift+enter也可以執行同樣效果，nvidia-smi可以查看目前GPU使用的型號，指令前面多一個「!」為Linux指令，結果會顯示於指令執行匡下方，如下圖：

! nvidia-smi

開發環境已經建立完成，可以執行其他Python的指令操作，如下圖：

►小結

透過以上講解，相信已經了解Google Colab的方便性及實用性，可以非常方便的練習Python程式語言，不需要下載及安裝，只需要開啟瀏覽器就可以編寫程式，解決開發環境及設備的問題。

►參考資料

Google Colaboratory 

Colab資源限制 

Colab Pro