万事开头难，对于机器学习初学者来说，最困难的可能是如何在计算机中搭建机器学习所需要的环境，特别是如何配置GPU问题，让很多老鸟都颇为头疼。
好消息是Google爸爸已经替大家把这些问题都解决了，现在只需要有一台能(科学)上网电脑，一个浏览器就能可以开启机器学习之路了，Google甚至把昂贵的GPU和TPU都开放出来了，还等什么，赶紧上车吧。
1.Colab简介
Colab是Google开发的一个完全基于云端的Jupyter Notebook开发环境，使用者不需要做任何设置就可以在上面运行代码。当然也支持从本地和Github导入数据和文件。
2. Colab保存文件
在Colab中，可以完全像在本地使用Jupyter Notebook，新建，导入，运行Jupyter Notebook.
但是要注意的是如果你想保存文件最好"Save a copy to Google Drive"，否则关掉浏览器数所有数据都会丢失掉的。当然你也可以下载".py"或者".ipnb"文件。
这些选项都在“File”中可以找到。
3. Colab实践
我们试一下从Gitbut中导入之前文章中用到的Jupyter Notebook 文件吧。
点击"File ——> Upload Notebook" 选择Github选项并输入Github地址就能找到我们之前的Jupyter Notbook文件啦。
导入之后，你就可以向在本地运行Jupyter Notebook一样在云端训练你的模型啦。由于训练是在云端进行，本地电脑该干嘛还可以继续干嘛，不用担心功CPU、内存、GPU占用率过高的问题啦。
4. 使用GPU和TPU
如果模型太复杂或者数据量太大，GPU和TPU(Tensor processing unit )可以大大地提高运算和训练速度。
选择GPU和TPU对训练进行加速也非常简单，只需要点击"Runtime —> Change Runtime Type"就可以啦。
高端的GPU和TPU非常昂贵，但是Google爸爸慷慨得开放给了开发者，这个必须给Google点个赞。
以上图片均来自于Colab官网截图
同步到我的简书