版权声明:本文版权归原作者所有。
原文链接:http://blog.csdn.net/mogoweb https://blog.csdn.net/mogoweb/article/details/79533008
开始机器学习的同学可能都知道:机器学习,特别是深度学习,在GPU上数据处理比在CPU上要快得多,少则几倍,多则几十上百倍的差距。以前有人会因为深度学习而购入高端的Nvidia显卡,现在好了,Google开放了旗下的GPU云计算平台,而且还是免费的。
Google推出的免费深度学习云计算平台称作Google Colaboratory。Google Colab提供的免费GPU为Tesla K80 GPU,一块高性能的GPU,长相如下图:
它可以运行Keras、Tensorflow、PyTorch或Mxnet等主流深度学习框架。
下面就介绍如何使用Google Colab云平台。
前提条件
*,由于一些不可说的原因,在国内并不能直接访问Google Colab服务。
拥有Google帐号,如果你申请过GMail或Google Drive,就有了Google帐号。
在Google Drive上创建目录
Google Colab使用Google云端网盘存放工作代码,所以首先为我们的深度学习应用创建一个目录,比如可以命名为GoogleAI,当然你也可以使用缺省的Colab Notebooks文件夹。
创建Colab Notebook
步骤为:鼠标右键 > 更多 > Colaboratory。
新建的notebook的标题为”untitle”,可以点击标题进行修改:
设置GPU
步骤依次为 修改 > 笔记本设置,在硬件加速器一栏选择GPU。
运行基本的Python代码
Google Colab实际上是基于Jupyter Notebook。Jupyter Notebook(此前被称为 IPython notebook)是一个交互式笔记本,支持运行 40 多种编程语言。它基于浏览器技术,环境配置好之后,用户只需要通过浏览器即可访问。Notebook支持将代码嵌入到文档,文档采用Markdown编写,代码可以交互运行,特别适合做演示、教程。
比如下图上半部分是来自《机器学习实战》一书中的代码,下半部分就是执行的结果。
GPU是否在工作?
要确认GPU是否在工作,请运行如下代码:
1 | import tensorflow as tf |
2 | tf.test.gpu_device_name() |
结果如下:
要进一步查看GPU型号:
1 | from tensorflow.python.client import device_lib |
2 | device_lib.list_local_devices() |
可以看到,GPU型号为Tesla K80
查看其它硬件配置
查看内存:
!cat /proc/meminfo
查看CPU:
!cat /proc/cpuinfo
总结
Google Colab为程序员入门深度学习提供了一个良好的云计算平台,而且还免费。实际上就是Google给你一台带GPU的云计算虚拟机,降低深度学习的门槛。在接下来的文章里,我还将说明如何安装python库、运行自己编写的代码或者从github克隆的项目代码,敬请关注。
参考
Google Colab Free GPU Tutorial
Jupyter Notebook 快速入门(上)
---------------------
原作者:云水木石
来源:CSDN
原文:https://blog.csdn.net/mogoweb/article/details/79533008