【GPU使用】Google免费GPU_Colaboratory 常用命令汇总

深度学习的小伙伴们，你们是否在为没有GPU，网络训练耗时而苦恼。众所周知，想要入门深度学习，首先要有一块或者N块显卡，这样才能享受开着法拉利在深度学习的道路上策马奔腾的感觉。普通意义上来讲，训练深度网络时，GPU比CPU快40倍左右，也就是说GPU一个小时内可以完成CPU训练两天的量。但是GPU不菲的价格让人望而却步，看完这篇文章就可以随心所欲的拥有自己的GPU。因为，资本主义国家有个公司叫Google，其有一个工具称为Google Colab，Colaboratory 是一个 Google 研究项目，旨在帮助传播机器学习培训和研究成果。它是一个 Jupyter 笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。Colaboratory 笔记本存储在 Google 云端硬盘中，并且可以共享，就如同使用 Google 文档或表格一样。Colaboratory 可免费使用，而且其后端有一个K80 GPU支持。一句话，就是给买不起GPU的小伙伴提供一个免费GPU训练平台。    所以我对其GPU使用指令做了简单总结如下：
----------------------------------------------------------------------------------------------------------------------------绑定Google Driver1.授权，需要两次复制粘贴!apt-get install -y -qq software-properties-common python-software-properties module-init-tools!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null!apt-get update -qq 2>&1 > /dev/null!apt-get -y install -qq google-drive-ocamlfuse fusefrom google.colab import authauth.authenticate_user()from oauth2client.client import GoogleCredentialscreds = GoogleCredentials.get_application_default()import getpass!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URLvcode = getpass.getpass()!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}2.授权完成后，创建目录!mkdir -p drive!google-drive-ocamlfuse drive----------------------------------------------------------------------------------------------------------------------------文件操作1.上传文件from google.colab import filesuploaded = files.upload()2.下载文件from google.colab import filesfile.download("path/to/file")3.想按照链接下载.csv文件到/path文件夹!wget https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/csv/datasets/Titanic.csv -P /path4.也可以直接将.csv文件上传到app文件夹：（见1）5.读取app文件夹中的.csv文件，显示前5行：import pandas as pdtitanic = pd.read_csv(“drive/app/Titanic.csv”)titanic.head(5)----------------------------------------------------------------------------------------------------------------------------安装库文件1.安装Keras：!pip install -q kerasimport keras2.安装PyTorch：!pip install -q http://download.pytorch.org/whl/cu75/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl torchvisionimport torch3.安装OpenCV：!apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-pythonimport cv24.安装XGBoost：!pip install -q xgboost==0.4a30import xgboost5.安装GraphViz：!apt-get -qq install -y graphviz && pip install -q pydotimport pydot6.安装7zip Reader：!apt-get -qq install -y libarchive-dev && pip install -q -U libarchiveimport libarchive7.安装其他库：用!pip install或者!apt-get install命令。----------------------------------------------------------------------------------------------------------------------------GPU操作查看使用中的GPUimport tensorflow as tftf.test.gpu_device_name()如果显示GPU名字则说明在使用GPU训练用哪个GPUfrom tensorflow.python.client import device_libdevice_lib.list_local_devices()其实现在，Colab只提供Tesla K80.RAM内存!cat /proc/meminfo查看CPU!cat /proc/cpuinfo