Colaboratory免費GPU試用指南，現在我們來一起看一下吧。
地址
1. 在Google Drive上創建文件夾
Colab用的數據都存儲在Google Drive雲端硬盤上，所以，我們需要先指定在Google Drive上要用的文件夾。比如說，可以在Google Drive上新建一個“app”文件夾，或者其他什麼名字，也可以選擇Colab筆記本默認的文件夾。
2. 新建Colab筆記本
在剛剛創建的app文件夾裏點擊右鍵，選擇“More/更多”，然後從菜單裏選擇“Google Colaboratory”，這樣就新建出了一個Colab筆記本。如果沒有“Google Colaboratory”則需要點擊“關聯更多應用”添加該插件。之後方可成功新建。
點擊筆記本的名字，可以重命名。
3. 設置免費GPU
這一步，要改變筆記本所用的默認硬件。在筆記本里點Edit>Notebook settings（修改>筆記本設置），或者Runtime>Change runtime type（運行時>改變運行時類型），然後在Hardware accelerator（硬件加速器）一欄選擇GPU。
然後點擊保存，Google Colab就可以用了。
4. 用Colab運行基本Python代碼
我們來運行一些Python Numpy教程裏的基本數據類型代碼。
更多代碼參考斯坦福大學卷積神經網絡與視覺識別課程(CS231n)的Python Numpy教程，地址。運行結果如你所料。
5. 用Colab運行.py文件
先運行下面這些代碼，來安裝必要的庫、執行授權。
!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse
from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}
運行的時候應該會看到下圖所示的結果：
看見那個鏈接之後，點擊它，複製驗證碼並粘貼到文本框裏。授權完成後，就可以掛載Google Drive了：
!mkdir -p drive
!google-drive-ocamlfuse drive
安裝Keras：
!pip install -q keras
將mnist_cnn.py文件上傳到位於Google雲端硬盤上的應用文件夾。運行下面的代碼，用MNIST數據集訓練一個簡單的卷積神經網絡：
!python3 drive/app/mnist_cnn.py
從結果中可以看到，每個epoch只需要11秒。
6. 下載泰坦尼克數據集(.csv File)，顯示前5行
想按照鏈接下載.csv文件到app文件夾，只需運行：
!wget https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/csv/datasets/Titanic.csv -P drive/app
也可以直接將.csv文件上傳到app文件夾。然後讀取app文件夾中的.csv文件，顯示前5行：
import pandas as pd
titanic = pd.read_csv(“drive/app/Titanic.csv”)
titanic.head(5)
7. Tips
- 如何安裝庫？
安裝Keras：
!pip install -q keras
import keras
安裝PyTorch：
!pip install -q http://download.pytorch.org/whl/cu75/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl torchvision
import torch
安裝OpenCV：
!apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-python
import cv2
安裝XGBoost：
!pip install -q xgboost==0.4a30
import xgboost
安裝GraphViz：
!apt-get -qq install -y graphviz && pip install -q pydot
import pydot
安裝7zip Reader：
!apt-get -qq install -y libarchive-dev && pip install -q -U libarchive
import libarchive
安裝其他庫：
用!pip install或者!apt-get install命令。
- GPU在幹活麼？
要查看你在Colab裏是不是真的在用GPU，可以運行以下代碼來交叉檢查：
import tensorflow as tf
tf.test.gpu_device_name()
如果顯示上圖的結果，就是在用GPU。
- 我在用哪個GPU？
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
其實現在，Colab只提供Tesla K80，所以你會看到下圖這樣的結果：
- RAM有多大？
!cat /proc/meminfo
- CPU呢？
!cat /proc/cpuinfo
8.總結
好好學習，認真薅毛。溫馨提示：自備梯子。各位小夥伴快去體驗吧！歡迎在評論區留言提問。