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
我给你留下了一个完美补充这篇文章的初学者指南
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
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。
