Google Collaboratory 或 Google Colab

谷歌与谷歌开发者的 Jupyter Notebook 合作

协作,也称为 谷歌合作实验室 它是 Google Research 的产品,用于从我们的浏览器编写和运行 Python 和其他语言。

什么是

Colab 是一个托管的 Jupyter,安装和配置,这样我们就不必在我们的计算机上做任何事情,而只需通过浏览器在云中的资源上工作。

它的工作原理与 Jupyter 完全相同,您可以看到 我们的文章. 它们是基于可以是文本、图像或代码的单元格的 Notebooks 或 notebooks,在这个 Python 步骤中,因为与 Jupyter Colab 目前只能使用 Python 内核不同,他们谈论实现其他的,例如 R、Scala 等,但没有说明日期。

这是一种非常快速的代码测试方式,无需配置我们的设备并进入 机器学习、深度学习、人工智能和数据科学。 也是教师的理想选择,因为基于 Jupyter,我们可以与其他人共享项目,就像使用 Jupyter Hub 一样。

我们可以使用任何 Python 功能,我们可以使用 TensorFlow、Keras、Numpy,让我们使用它们的所有库。

它为我们提供免费的 GPU 和 TPU 服务,

他们是 https://colaboratory.jupyter.org/welcome/ 开发者组的一部分

该服务是免费的,但我们需要一个 Gmail 帐户。 笔记本数据存储在我们的 Google 云端硬盘中。 我们也可以从 Github 保存和加载笔记本。 除了导入来自 Jupyter 的项目或导出它们。 它适用于 .ipynb 文件

导出 colab 笔记本

很明显,硬件资源是有限的。 您将无法创建需要大量计算的项目。 如果您喜欢这个系统并希望将其用于高级项目,您可以随时为 Pro 或 Pro + 版本付费。 我将专注于免费的。

在他那个时代,我已经谈到了如何使用 Jupyter 的一种方法

Google 的机器学习速成课程建立在 Colab 之上,我即将完成。 很快我会告诉你如何

如果您对机器学习感兴趣,请参阅 可以做哪些课程

为什么要使用 Colab? 优势

因为这是一种非常快速和简单的方式来设置有关 Python 编程的课程和信息,并与其他人或学生(如果您是老师)分享。

就我而言,我的 TensorFlow 和我的 CPU 之间存在兼容性问题,因此目前我将使用它来使用 TensorFlow 和 Keras 执行不同的示例和测试。

缺点

那么,我们只能使用 Pyhton

我们使用了另一种谷歌产品,我们继续养活并越来越依赖技术巨头“Don't be Evil”

Colab 和 Jupyter 之间的差异

正如我们所说

  • Colab 是一个托管服务,一个托管的 Jupyter,而 Jupyter 在你的电脑上使用它
  • Colab,虽然它是免费的,如果你想要计算能力,你必须去付费版本
  • 被托管,您可以与人共享笔记本
  • 在 Colab 中你只能使用 Python,而在 Jupyter 中你可以安装各种内核、R、Bash、javascript 等。

发表评论