双十一刚过，你的手还好吗？这些Colab技巧帮你愉快地薅谷歌羊毛

• 谷歌 Colab 有了 V100 加持，薅羊毛快乐再次加倍

• 20 种小技巧，玩转 Google Colab

• 提供了免费的 Jupyter notebook 环境；

• 带有预安装的软件包；

• 完全托管在谷歌云上；

• 用户无需在服务器或工作站上进行设置；

• Notebook 会自动保存在用户的 Google Drive 中；

• 提供基于浏览器的 Jupyter notebook；

• 完全免费，且提供 GPU 和 TPU（Pro 用户可以使用更多资源，但需要付费）；

• 支持 Python 2 和 Python 3；

• 提供两种硬件加速器：GPU 和 TPU。

• 启动 Google Colab

• 从弹框中选择 GitHub 这一项。

输入 GitHub 项目 URL 并搜索以获取代码

将完整代码一键上传到 Google Colab notebook

• 打开 Kaggle

• 转至「我的账户」

• 向下滚动到「API」部分

• 如果需要，先单击「Expire API Token」以删除先前的 token

• 点击「Create New API Token」，生成一个新的 token 并下载一个名为「kaggle.json」的 JSON 文件

• 「kaggle.json」文件包含用户名和密钥，如下所示：

!pip install -q kaggle

from google.colab import files

files.upload()

!kaggle datasets list

!kaggle competitions download -c competitive-data-science-predict-future-sales

import globimport pandas as pdfrom google.colab import drive

drive.mount('/gdrive')

• 授权码输入框

• 单击链接并生成授权码

• 从 Google Drive 读取 CSV 文件

file_path = glob.glob("/gdrive/My Drive/***.csv")for file in file_path:       df = pd.read_csv(file)       print(df)

• 选择 Runtime → Change runtime type

• 在弹出窗口中选择「GPU」

import tensorflow as tffrom tensorflow.python.client import device_lib

tf.test.gpu_device_name()

device_lib.list_local_devices()

import tensorflow as tfno_of_gpu = len(tf.config.experimental.list_physical_devices('GPU'))print("Total GPUS:", no_of_gpu)

import tensorflow as tfno_of_gpu =len(tf.config.experimental.list_physical_devices('GPU'))print("Total GPUS:", no_of_gpu)

try:      with tf.device('/device:GPU:1'):            tensor1 = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])            tensor2 = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])           result = tf.matmul(tensor1, tensor2)            print(result)except RuntimeError as exception:       print(exception)

from google.colab import drivedrive.mount('/content/gdrive')

%cd gdrive/My Drive/mkdir project%cd project/

!git clone https://github.com/saniyaparveez/youtube_video_type_prediction.git

!ls

%lsmagic

%ldir

%history

%time

!uptime

!free -hprint("-"*100)

!lscpuprint("-"*70)

%%shecho "List all running VM processes."ps -efecho "Done"

%%html<marquee>Towards AI is a great publication platform</marquee>

#@title Personal Details#@markdown Information.Name = 'Peter' #@param {type: "string"}Age = 25  #@param {type: "slider", min: 1, max: 100}zip = 1234  #@param {type: "number"}Date = '2020-01-26'  #@param {type: "date"}Gender = "Male"  #@param ['Male', 'Female', 'Other']#@markdown ---print("Submitting the form")print(string_type, slider_value, number, date, pick_me)print("Submitted")

x = np.arange(-10,10)y = np.power(x,3)y1 = np.power(x,3) + np.power(x,2) + xplt.scatter(x,y1,c="red")plt.scatter(x,y)

import matplotlib.pyplot as pltimport numpy as npimport seaborn as snslength = 10data = 5 + np.random.randn(length, length)data += np.arange(length)data += np.reshape(np.arange(length), (length, 1))sns.heatmap(data)plt.show()

import tensorflow as tftry:       tpu = tf.distribute.cluster_resolver.TPUClusterResolver()        print('Running on TPU', tpu.cluster_spec().as_dict()['worker'])except ValueError:       print('Exception')

• Google colab 实现：https://colab.research.google.com/drive/1ymIYzFg4Q7iBjnTut31aBqPHgOpkjHYD?usp=sharing

• Github repository：https://github.com/towardsai/tutorials/tree/master/google_colab_tutorial