Google Colaboratory, Python in Cloud: Quick Review

Postado em 2021-07-23
review
Google Colaboratory, Python in Cloud: Quick Review

2021-07-23

O conteúdo mostra as classificações do Goggle Colab Especificações da análise gratuita do usuário Como acessar o Colab? Recursos de interface de usuário de primeira maneira de segunda maneira Como executar nosso primeiro programa A essência da revisão Prós e contras Goggle Colab Avaliações gratuitas
  • Interface do usuário
  • Recursos
  • Serviços de GPU e TPU
  • Espaço de armazenamento fornecido
  • Facilidade de acesso
  • Guia do iniciante
4.3

Resumo

Nós pode concluir que esta ferramenta Google Colab é potente por natureza e se você deseja realizar todas as coisas de Aprendizado de Máquina e Aprendizado Profundo sem gastar muito em um computador, você pode usar os recursos do Collaboratory.

Enviando a Avaliação do Usuário 0 (0 votos)
  • Site oficial do Google Colaboratory

Muitos desenvolvedores Python acham muito difícil realizar Aprendizado de Máquina e Aprendizado Profundo em seus laptops e computadores devido aos requisitos de GPU que são altamente necessário para um profundo Aprender código para funcionar sem problemas e com eficiência. Devido a isso, muitos Pythonistas compram novos laptops e computadores gastando muito dinheiro para realizar suas tarefas. Mas, e se não houver necessidade de adquirir sistemas de última geração e você puder rodar seu ML e DL com o mesmo computador que está usando atualmente ?? Sim, é possível com a ajuda de serviços baseados em nuvem fornecidos pelo Google chamados Google Colaboratory. É exatamente como o console IPython que o notebook Jupyter fornece, a única diferença é que ele funciona na nuvem. Serviço baseado em nuvem significa que existe um sistema que tem enorme capacidade e alta GPU e TPU e pode ser usado por qualquer pessoa para acessar seus benefícios.O poder deste notebook e como acessá-lo usando o Google são fornecidos abaixo:

Especificações

  • SO com suporte : Todos os sistemas operacionais, sejam Windows, Mac, Linux , Android e ios.
  • Espaço no disco rígido : não obrigatório, pois é um serviço baseado em nuvem.
  • de linguagens de programação suportadas : Apenas Python.
  • Permite que os usuários Faça você mesmo.
  • Ideal: Para Deep Learning usando Tensorflow e Keras, bem como Pytorch que não pode ser executado por um sistema normal.
  • Espaço de armazenamento fornecido: 15 GB de armazenamento gratuito são fornecidos para realizar nosso trabalho de codificação e salvá-los no Google Drive, bem como em um notebook IPython em nosso sistema.

Como acessar o Colab?

Primeira maneira

  • Para começar a trabalhar no Google Colaboratory, você pode acessar seu Google Drive e clique em Meu disco
  • Aqui você encontrará uma opção com o nome Mais . Depois de clicar na opção mais, haverá uma opção de Conectar mais aplicativos, apenas clicar nela e você será direcionado para o GSuite Marketplace .
  • Aqui , basta digitar Colaboratory e você obterá o Google Colab para fazer o download. Clique na opção instalar e agora você está pronto para começar a trabalhar no Colab.

Segunda maneira

  • Basta digitar Google Colab em seu navegador Chrome e ele o levará ao local do Google Colaboratory.
  • Clique no primeiro link e abrirá o Google Colab para você.

Recursos da IU

A IU do Google Colab vem na cor branca por padrão e podemos alterar o tema para escuro também. Existe uma barra de menus que vem dentro de seu ambiente e as características desta são fornecidas abaixo:

  • Arquivo : contém váriosrecursos como abrir um bloco de notas existente, criar um novo bloco de notas, salvar uma cópia do seu trabalho como um arquivo Python ou IPython e muito mais. Também existe uma disposição para fazer o upload do seu trabalho no repositório Github do Colab. Assim, as pessoas que têm dificuldade em operar o Github e fazer upload de arquivos podem usar o Colaboratory para fazer upload de seus trabalhos diretamente nos repositórios.
  • Editar : contém recursos como cortar e copiar células selecionadas, colar códigos, encontrando coisas específicas do código. Ele também contém o recurso principal que torna o Colab uma ferramenta poderosa que altera o tempo de execução normal para GPU ou TPU. Agora, uma vez que o tempo de execução é alterado para GPU, então teste o mesmo que a versão do CUDA está sendo usada no momento e se a GPU está lá ou não, basta digitar os seguintes comandos um por um:

importar tensorflow como tf

tf.test.gpu_device_name()

! nvcc –version

  • Visualização: Isto é usado para visualizar o histórico de todas as tarefas que executamos e o índice, bem como as informações do bloco de notas.
  • Inserir: Isso permite aos usuários adicionar uma nova célula de código e também adicionar formulários e campos de texto específicos no console.
  • Tempo de execução: Isso permite que os usuários executem seus códigos e também redefinir o tempo de execução se um novo pacote for baixado e for necessário aproveitar os benefícios desses pacotes.
  • Ferramentas: Este recurso ajuda a ir para a guia de configurações e alterar diferentes recursos do nosso semelhante a um console, mudando o tema de branco para preto e muitos mais.
  • Ajuda: Esta parte contém a documentação que at ajudará uma pessoa ingênua a entender os recursos do Colab.

Uma coisa importante a se notar aqui é que muitos dos pacotes já foram baixados emGoogle Colab e não precisamos baixá-los separadamente por meio de pip como Tensorflow, Pandas, Keras, Matplotlib, etc.

Como executar nosso primeiro programa

Para começar a usar o Google Colab e aproveite os benefícios de sua GPU e TPU grátis, basta clicar na opção Novo Notebook e você será levado ao console IPython. Este console replica o Jupyter Notebook com uma diferença nos recursos extras que oferece. Assim, como qualquer código escrito em Jupyter, você pode escrevê-lo aqui em diferentes células de código e executar seu programa com inteligência. Também há uma disposição para fazer upload e download de arquivos como Excel, Valores separados por vírgula, Valores separados por tabulação, blocos de notas Python, etc. Como mencionado anteriormente, esse tipo de tempo de execução pode ser alterado de Nenhum para GPU ou TPU com apenas um clique indo para Opção de edição.

O Síntese da Revisão

Pelas coisas mencionadas, podemos concluir que esta ferramenta Colab é potente por natureza e se você deseja realizar todo o Aprendizado de Máquina e Profundo Aprender coisas sem gastar muito em um computador, então você pode usar os recursos do Collaboratory. A principal desvantagem deste serviço baseado em nuvem é que ele contém apenas um espaço livre de 15 GB e, depois disso, precisamos pagar por espaço adicional. Embora a cobrança pela compra de espaço adicional não seja tão alta e tenha um preço muito acessível. Portanto, use-o quando estiver enfrentando problemas com seu computador e facilite o Deep Learning e o Machine Learning.

Prós e Contras

Prós :

  • Aprendizado de máquina e aprendizado profundo podem ser realizados com facilidade.
  • Não há necessidade de comprar um computador caro para realizar tipos de aprendizado profundo.
  • Serviço baseado em nuvem, então não precisa se preocupar sobre o sistema operacional.
  • Muitos pacotes já baixados do consolee precisamos apenas importá-los.
  • Facilmente compreensível por qualquer usuário que seja proficiente em Python e Jupyter.

Contras :

  • Serviço gratuito de GPU e TPU disponível por 12 horas. Depois disso, precisamos iniciar todo o processo de treinamento e teste novamente.
  • O espaço de armazenamento é limitado a 15 GB e, em seguida, precisamos comprar mais armazenamento.