前言

实验室服务器不让外网连了,发现没了算力啥都做不了。于是对比多个国内外算力平台,最终选择很良心的免费算力平台:Google Colab,记录一些使用技巧,以便今后科研之用。

1 初次使用Colab的配置

一般每天第一次打开Colab都需要重复如下操作:

1.1 选择gpu

菜单栏 - 代码执行程序 - 更改运行时类型 - 硬件加速器 - GPU
选择GPU之后便可以用!nvidia-smi命令查看当前正使用的GPU。一般现在都是Tesla T4,很不错

1.2 挂载Google云端硬盘

既可以直接鼠标点击挂载图标,也可以按照如下方式挂载:
在cell中输入:

from google.colab import drive
drive.mount('/content/drive')

运行后按提示操作即可

1.3 选择相应库的版本

例: Colab默认的tensorflow版本是2.x的,如果需要使用1.x版本就需要手动切换,即在cell中输入以下代码:

%tensorflow_version 1.x

运行后重启Colab即可。
遇到没有的库,直接!pip install即可

1.4 切换到当前工作路径

右键一个文件或目录,即可看到复制路径的选项,有两种方法切换到该目录:
法1: 使用%cd命令
法2: 使用os.chdir()方法

2 一些需要注意的地方

  1. 在cell中,其他linux命令都可以通过在前面加!使用(如!ls),但cd命令需要用%cd才可以
  2. 目录名中最好不要有空格。如果有空格,用到此目录名时需要在空格前加\进行转义

3 深度学习环境相关

3.1 PyTorch 1.6.0 及环境配置

先运行完安装命令,并点击“RESTART RUNTIME”按钮

!pip install torch==1.6.0+cu92 torchvision==0.7.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html

检查CUDA是否可用

import torch
print(torch.__version__)
print(torch.cuda.is_available())

参考资料

  1. Colab配置: 使用gpu训练模型