深度学习|Colab使用教程人工智能|自然语言处理

最近在学习NLP，但是学习深度学习算法，需要有 GPU，也就是显卡。
而显卡，需要是 NVIDIA 的显卡，也就是我们俗称的 N 卡。
虽然人人都喊「 AMD yes，AMD 真香」，但在深度学习领域，目前来看只能对 A 卡说 No。
因为，主流的推理框架，都需要在 NVIDIA 推出的 CUDA 运算平台上进行，使用上这也是最方便的。
所以，如果你没有 N 卡，比如你用 Mac 本或者 A 卡电脑，那么你只能使用 CPU 版本的深度学习框架。
深度学习使用 GPU 运算很快，用 CPU 巨慢无比。
如果只是进行算法的效果测试，那姑且可以用 CPU 试一试，不过很多算法就算测试，可能也需要跑上十几分钟。
如果要进行算法的训练，那必须用 GPU，用 CPU 跑训练会跑到怀疑人生，几个月不断电都未必训练好算法。
至于·=「Torch not complied with CUDA enabled」这个问题：

如果你有 GPU ，那么就是你没有配置好开发环境。
如果你没有 GPU，那么你就只能修改代码，使用 cpu 跑算法。

修改代码为 cpu 版，这个对新手可能有点难度，不同深度学习框架修改方法也不同。
好在有百度，直接搜索关键词「pytorch修改代码为cpu」，其他框架同理，教程非常多。
自己没有 GPU，但是我就想用！可以！引出文本的重点，教你如何「白嫖 GPU」。
以下为总结出Colaboratory的使用教程。

Google Colaboratory是谷歌提供的基于linux系统的免费云平台并支持免费的 GPU，内部已经集成了深度学习所需要的库，比如Tensorflow（目前Version：2.2.0rc3）和Keras（目前Version: 2.3.1）等，一般情况下无需我们再做配置，直接上传自己代码就能用了。

Colab 是Google的且服务器在国外
如果不能使用Google，推荐使用Kaggle（国内也能访问）免费的深度学习GPU环境Colab和Kaggle搭配使用
如果可以上Google，那就继续往下看学习Colab用法！如何进入Colab

推荐大家使用 Google云端硬盘上传文件然后加载到自己的Colab里。

Colab的基本配置

登录 Google Drive,注册个Google账号-->Google搜索“Google 云端硬盘”-->个人转至Google云端硬盘，然后你就可以看到以下界面啦：
在 Google Drive 上创建文件夹，我创建的是名字为 app 的文件夹

文章图片
创建新的 Colab 笔记（Notebook），通过右键点击 > More > Colaboratory 步骤创建一个新的笔记

文章图片

文章图片

大家可以新建属于自己的Colab和文件夹，新建的Colab的默认名称为Untitled，代码运行就在这里面操作，后面也以这个为例讲解。
不过现在莫要着急嘛，咱先把自己的工程代码上传到个人的文件夹中，这里我的叫test（我上传到test里的文件夹叫yolo3-keras，后面的栗子会用到）。
步骤为：

双击test文件夹-->进去后右键-->上传文件/上传文件夹-->根据需要上传自己的代码文件或文件夹

，上传时间长短视网络情况而定。完成这一步之后，我们就可以开始快乐的操作Colab啦~
Colab如何操作？在步骤二的基础上，我们双击自己建立的Colab，进去之后它长这样：

文章图片

具体一些区域的功能已经在图上注释了，大家可以先了解下。首先是先入门hello world，如下所示，在代码框里输入print(“hello world!”)，然后点击左边的运行按钮就可以

文章图片

上方为入门Colab的使用，接下来是设置加速器为GPU加速
使用GPU
以下两种方式都可以：

“修改”->“笔记本设置”->"硬件加速器"选择GPU
“代码执行程序”->“更改运行时类型”->"硬件加速器"选择GPU

文章图片

文章图片

然后运行以下代码确认GPU是否正常运行

import tensorflow as tf device_name = tf.test.gpu_device_name() if device_name != '/device:GPU:0': raise SystemError('GPU device not found') else: print(device_name)

运行正常可以看到如下结果：