Google Colab现在提供免费的T4 GPU
google colab现在提供免费的t4 gpu。colab是google的一项免费云端机器学习服务，t4gpu耗能仅为70瓦，是面向现有数据中心基础设施而设计的，可加速ai训练和推理、机器学习、数据分析和虚拟桌面。
google colab是google内部jupyter notebook的交互式python环境，不需要在本地做多余配置，完全云端运行，存储在googledrive中，可以多人共享，简直跟操作google sheets一样简单。之前只提供英伟达tesla k80，现在已经支持tpu了！英伟达t4 gpu耗能仅为70瓦，是面向现有数据中心基础设施而设计的，可加速ai训练和推理、机器学习、数据分析和虚拟桌面。
运行命令
!nvidia-smi
返回结果
有reddit网友表示colab tpu比本地gtx 1080ti的速度慢了将近2倍。
google关于使用tpu的教程：
https://colab.research.google.com/notebooks/tpu.ipynb#scrollto=71iswtsxe36x
google colab介绍
google colab不需要安装配置python，并可以在python 2和python 3之间快速切换，支持google全家桶：tensorflow、bigquery、googledrive等，支持pip安装任意自定义库，支持apt-get安装依赖。
它最大的好处是为广大的ai开发者提供了免费的gpu和tpu，供大家进行机器学习的开发和研究。gpu的型号正是tesla k80，可以在上面轻松地跑keras、tensorflow、pytorch等框架；最近新增加的tpu是英伟达t4，可以在更广阔的天地大有作为了。
当然还有一个好处：不需要前期环境配置。相信很多人对前期环境配置过程中，遇到的各种奇奇怪怪问题深有体会：anaconda套件该选择哪个版本？路径没设置好导致jupyter notebook调不出来等等。而google colab直接配置好一个环境，即插即用。
colab的文档使用我们最喜爱的markdown格式，并且提供预览模式可以直接看到输出文档的最终样式。
虽然说目前为止一直免费，一次最多可以免费使用12小时。但不确定是否未来会收费。所谓早体验早享受；晚体验有可能要等折扣了。
colab官网：
https://colab.research.google.com
预备工作
首先我们需要在google drive上新建一个文件夹：
然后从下拉菜单里直接进入colab即可。
接下来需要做一些简单的配置。比如你可以选择使用python 2或者3笔记本，然后选择硬件加速器，接下来就可以愉快的敲代码了。
或者你也可以直接wget一个共享的zip包。例如下载并解压udacity的花朵数据：
创建/打开一个笔记本
在colab里创建/打开笔记本很简单，直接点击新建/打开即可：
创建的时候会提示你选择gpu或者tpu。如果你没有选，或者你想给现有的项目更换硬件加速器，那么都可以通过edit→notebook settings，或者runtime→change rumtime type重新选择，即时生效。
更换硬件加速器类型后，运行以下代码检查是否使用了gpu或者tpu：
from tensorflow.python.client import device_libdevice_lib.list_local_devices()
如果返回结果中没有gpu或者tpu字样只有cpu字样，那么说明没有使用到二者。
注意上图里的github标签，超棒对不对！
还有一点需要注意的是，因为colab运行在云端，所以一定要记住随时保存，请把保存按钮当做vim里的esc来对待。
当然也可以把文件下载到本地或者上传到云端。
库的安装和使用
colab自带tensorflow、matplotlib、numpy、pandas等深度学习基础库，直接import即可，目前连pytorch也能直接import了。
某些库可能需要先安装后才能使用，比如keras：
安装pytorch：
除了pip，还支持apt-get。安装opencv：
安装xgboost：
有的第三方python库可能需要依赖java或是其他软件才能运行，安装过程稍微复杂一点：
注意--yes这个小操作很关键，如果没有系统可能会卡住（有兴趣的读者可以尝试一下）。其他软件也类似，注意最后加上--yes。
安装有版权的oracle-java-installer，需要有同意协议的操作：
设置系统默认jdk：
测试java是否安装成功：
2个小技巧
1. 免费用gpu
在笔记本设置中，确保硬件加速选择了gpu。检查是否真的开启了 gpu（即当前连接到了gpu实例），可以直接在jupyter notebook中运行以下命令：
importtensorflowastfdevice_name=tf.test.gpu_device_name()ifdevice_name!='/device:gpu:0':raisesystemerror('gpudevicenotfound')print('found gpu at: {}'.format(device_name))
顺利的话会出现：
foundgpuat:/device:gpu:0
不顺利的话：
谷歌允许你一次最多持续使用12小时的免费 gpu。
2. 上传并使用数据文件
除了使用菜单里的上传按钮外，我们还可以通过代码调用笔记本中的文件选择器：
fromgoogle.colabimportfilesuploaded = files.upload()
之后，我们就会发现单元 cell 下出现了“选择文件”按钮：
然后就可以直接上传文件了
智能疏散照明系统是什么，它都有什么特点
详解232至485转换器的接线步骤与注意事项
能源互联网将是解决人类能源环境问题的一种新思路
工业互联网已成为支撑经济高质量发展的重要驱动力量
当光与引力相互作用时发生了什么事？
Google Colab现在提供免费的T4 GPU
光模块FEC的含义/原理/发展历程/应用
MOSFET栅极驱动电路应用说明
探讨全球首个数据流AI芯片的背后
什么是线缆冗余 EtherCAT冗余技术如何实现通信线缆断开的补救？
每日一课 | 智慧灯杆之5G基站建设发展趋势
中兴通讯宣布2019年在美发售5G手机
高通推出新型可扩展系统级芯片系列产品骁龙Ride Flex
Atmel提供具有业界最佳接近感测范围的电容式触摸控制器
单车智能存在五大硬伤,车路协同才是未来趋势
全cmos过温保护电路设计分析
PCB电路板的生产工序和工艺环节
起动机的工作原理
离线语音在吸顶灯上的妙用
手表气密性测试仪技术原理
google colab是google内部jupyter notebook的交互式python环境，不需要在本地做多余配置，完全云端运行，存储在googledrive中，可以多人共享，简直跟操作google sheets一样简单。之前只提供英伟达tesla k80，现在已经支持tpu了！英伟达t4 gpu耗能仅为70瓦，是面向现有数据中心基础设施而设计的，可加速ai训练和推理、机器学习、数据分析和虚拟桌面。
运行命令
!nvidia-smi
返回结果
有reddit网友表示colab tpu比本地gtx 1080ti的速度慢了将近2倍。
google关于使用tpu的教程：
https://colab.research.google.com/notebooks/tpu.ipynb#scrollto=71iswtsxe36x
google colab介绍
google colab不需要安装配置python，并可以在python 2和python 3之间快速切换，支持google全家桶：tensorflow、bigquery、googledrive等，支持pip安装任意自定义库，支持apt-get安装依赖。
它最大的好处是为广大的ai开发者提供了免费的gpu和tpu，供大家进行机器学习的开发和研究。gpu的型号正是tesla k80，可以在上面轻松地跑keras、tensorflow、pytorch等框架；最近新增加的tpu是英伟达t4，可以在更广阔的天地大有作为了。
当然还有一个好处：不需要前期环境配置。相信很多人对前期环境配置过程中，遇到的各种奇奇怪怪问题深有体会：anaconda套件该选择哪个版本？路径没设置好导致jupyter notebook调不出来等等。而google colab直接配置好一个环境，即插即用。
colab的文档使用我们最喜爱的markdown格式，并且提供预览模式可以直接看到输出文档的最终样式。
虽然说目前为止一直免费，一次最多可以免费使用12小时。但不确定是否未来会收费。所谓早体验早享受；晚体验有可能要等折扣了。
colab官网：
https://colab.research.google.com
预备工作
首先我们需要在google drive上新建一个文件夹：
然后从下拉菜单里直接进入colab即可。
接下来需要做一些简单的配置。比如你可以选择使用python 2或者3笔记本，然后选择硬件加速器，接下来就可以愉快的敲代码了。
或者你也可以直接wget一个共享的zip包。例如下载并解压udacity的花朵数据：
创建/打开一个笔记本
在colab里创建/打开笔记本很简单，直接点击新建/打开即可：
创建的时候会提示你选择gpu或者tpu。如果你没有选，或者你想给现有的项目更换硬件加速器，那么都可以通过edit→notebook settings，或者runtime→change rumtime type重新选择，即时生效。
更换硬件加速器类型后，运行以下代码检查是否使用了gpu或者tpu：
from tensorflow.python.client import device_libdevice_lib.list_local_devices()
如果返回结果中没有gpu或者tpu字样只有cpu字样，那么说明没有使用到二者。
注意上图里的github标签，超棒对不对！
还有一点需要注意的是，因为colab运行在云端，所以一定要记住随时保存，请把保存按钮当做vim里的esc来对待。
当然也可以把文件下载到本地或者上传到云端。
库的安装和使用
colab自带tensorflow、matplotlib、numpy、pandas等深度学习基础库，直接import即可，目前连pytorch也能直接import了。
某些库可能需要先安装后才能使用，比如keras：
安装pytorch：
除了pip，还支持apt-get。安装opencv：
安装xgboost：
有的第三方python库可能需要依赖java或是其他软件才能运行，安装过程稍微复杂一点：
注意--yes这个小操作很关键，如果没有系统可能会卡住（有兴趣的读者可以尝试一下）。其他软件也类似，注意最后加上--yes。
安装有版权的oracle-java-installer，需要有同意协议的操作：
设置系统默认jdk：
测试java是否安装成功：
2个小技巧
1. 免费用gpu
在笔记本设置中，确保硬件加速选择了gpu。检查是否真的开启了 gpu（即当前连接到了gpu实例），可以直接在jupyter notebook中运行以下命令：
importtensorflowastfdevice_name=tf.test.gpu_device_name()ifdevice_name!='/device:gpu:0':raisesystemerror('gpudevicenotfound')print('found gpu at: {}'.format(device_name))
顺利的话会出现：
foundgpuat:/device:gpu:0
不顺利的话：
谷歌允许你一次最多持续使用12小时的免费 gpu。
2. 上传并使用数据文件
除了使用菜单里的上传按钮外，我们还可以通过代码调用笔记本中的文件选择器：
fromgoogle.colabimportfilesuploaded = files.upload()
之后，我们就会发现单元 cell 下出现了“选择文件”按钮：
然后就可以直接上传文件了
智能疏散照明系统是什么，它都有什么特点
详解232至485转换器的接线步骤与注意事项
能源互联网将是解决人类能源环境问题的一种新思路
工业互联网已成为支撑经济高质量发展的重要驱动力量
当光与引力相互作用时发生了什么事？
Google Colab现在提供免费的T4 GPU
光模块FEC的含义/原理/发展历程/应用
MOSFET栅极驱动电路应用说明
探讨全球首个数据流AI芯片的背后
什么是线缆冗余 EtherCAT冗余技术如何实现通信线缆断开的补救？
每日一课 | 智慧灯杆之5G基站建设发展趋势
中兴通讯宣布2019年在美发售5G手机
高通推出新型可扩展系统级芯片系列产品骁龙Ride Flex
Atmel提供具有业界最佳接近感测范围的电容式触摸控制器
单车智能存在五大硬伤,车路协同才是未来趋势
全cmos过温保护电路设计分析
PCB电路板的生产工序和工艺环节
起动机的工作原理
离线语音在吸顶灯上的妙用
手表气密性测试仪技术原理