GoogleColab和python的亲密关系

差别在表达式上。

Python中不存有专有表达式讹传，若是碰到须要为保护的表达式，采用大写和两个或后换行。但这而已开发人员间的两个签订合同，用作警示表明这是两个专有表达式，外节录千万别去出访它。但事实上，外节录还是可以出访到这个表达式。

化解google colab自然环境下采用matplotlib图形英文错字难题

前段时间透过google colab自学python数据挖掘的操作过程中遇到了两个matplotlib图形英文错字的难题，透过网路上搜寻，赢得了下列较单纯的化解之道，历史记录下。

google colab proKKday

步入增设。

操作方法：1、关上colabpro。

2、步入增设。

3、点击colabpro项里头的中止订户。Colab是Google面世的这款新浪网广度自学辅助工具，提供更多TeslaV100、T100等GPU。

Colab Pro+每星期50刀的团体会员该不该？没人做了个照相评定

电脑之心报导

撰稿：朱锐、竹筏

对没有 GPU 的小伙伴们而言，Google Colab 是两个普遍认可的「通心面」宝物，贫苦小学生党也能完全免费薅亚麻。

但是，采用的人多了，难免出现失意的情形，两个半小时就掉一场线、重新分配的 RAM 严重不足等难题接踵而至。接着 Colab 迈入了团体会员监督机制。

就在前两天 Colab 丫团体会员 Colab Pro+，每星期 50 刀、体能训练 24 半小时不掉线。除了这种堪称团体会员 Pro + 外，还有每星期差不多 10 美元的 Colab Pro 超级团体会员。

据了解，Pro + 最大的特点是「后台执行」，关了浏览器还能运行那种。此外，Pro + 版的 GPU、内存和运行时长也将全面升级。

Pro + 究竟升级了什么，Google在「常见难题解答」里写得非常清楚。总结一下就是：

50 刀的价格属实不菲，入手之前不如先看看别人是不是说。一位名叫 Martin Henze 的开发者前段时间充了 Colab Pro + 团体会员，我们来看看 ta 的「照相评定」。

事情是这样的，Martin Henze 参加了 Kaggle 的比赛，用的是自己的笔记本电脑，对小模型和小图像而言自己的电脑也够用，但要想在排行榜上打榜升级，就必须扩大模型和数据规模，这样一来，电脑完全 hold 不住了。在 GPU 不够用的情形下，Henze 决定采用 Google Colab 付费选项来化解。

Henze 表示自己以前只采用过完全免费版的 Colab，现在发现还有 2 个付费版：Colab Pro 和 Colab Pro+。与 Pro 相比，Pro+ 版本宣传「优先出访更快的 GPU」。这么看来 Pro + 多了两个优先级，Pro 用户接下来的采用体验可能就没那么丝滑了。因此 Henze 萌生了测试 Pro + 的想法。

Henze 写了一篇博客来介绍自己在 Colab Pro+ 中发现的功能，以及在 Kaggle 比赛中采用 Colab 的最佳方法。此外，文章最后还介绍了 Colab 的可替代方案。

Colab Pro + 的特性

至于 Colab 的 TPU 运行时以及并发 CPU 会话的数量，Henze 还没进行测试。

一方面有优势，与完全免费的 Colab 和 Kaggle 资源相比，Pro + 用户能享受更高的连接稳定性，即使关闭计算机或浏览器标签页后，程序也能继续执行，上限是 24 半小时。另一方面也有一些限制，例如在时间紧迫的情形下，一场只能进行 1 个会话，或者采用较慢的 P100 进行 2 个会话。

另外请注意，Colab FAQ 指出：为了防止有限的资源被少数用户垄断，Colab Pro 和 Pro + 中的资源优先考虑前段时间采用资源较少的用户。因此，用户似乎不太可能在两个月的时间里全天候采用 V100 GPU。对这一点，作者也打算进行更多的实验，也许会碰到这个限制。

将 Kaggle Notebook 移到 Colab 上

如果你在一周内已经超出了可以采用的（相当多的）Kaggle 资源，或者在短时间内须要更多的资源，将 Kaggle Notebook 移到 Colab 将是两个很好的选择，在 Colab 上可以继续体能训练和实验。但这一操作过程并不容易，须要面临两个挑战：获取数据、增设 notebook 自然环境。此外，Colab 放弃了许多标准的 Jupyter 快捷键，这种做法会增加用户的工作量。

在 数据导入 Colab 方面：目前最好和最快的方法是透过 GCS_DS_PATH 复制数据，即Google云存储路径。自 2020 年 Kaggle 被Google以来，其框架已被大量集成到Google的云自然环境中。Kaggle 数据集和比赛数据都有云存储地址，可以从那里将数据转移到 Colab 上。

你可以透过在 Kaggle Notebook 中运行下列代码来赢得 GCS_DS_PATH。将 seti-breakthrough-listen 替换为你自己的比赛（competition）或数据集的名称：

在 Colab 中，你可以采用 gsutil 辅助工具复制数据集，甚至是单个文件夹，就像这样：

这比从 Google Drive 复制或透过 Kaggle API 下载来检索数据的速度要快得多。当然，获取数据也受到 24 半小时运行时的限制。须要注意的是，会话断开后数据就丢失了，须要在新的会话中重新增设。

在会话中创建的文件（例如经过体能训练的模型权重或提交文件）或用户安装的自定义库，也要受到类似的限制。Colab 安装了常用的 Python 和广度自学辅助工具，但都是旧版本。用户可以透过 pip 进行更新：

须要注意两件事：安装后须要重新启动才能导入新库。不用担心，重启后数据仍然存有，但你须要确保留出足够的磁盘空间来安装。

将输出保存有 Drive 上：最后要确保将实验结果（经过体能训练的权重、提交文件等）复制到 Google Drive 账户，以确保在运行时断开连接却不会丢失它们。当然你也可以手动下载，但自动复制相对更可靠。

可以像这样在 Colab notebook 中采用 Drive：

接着复制文件，例如透过 Python 中的 os.system。

可供选择的其他云 GPU

除了 Colab 及其付费版以外，还有其他的云 GPU 替代方案，或许它们可以提供更多更多的性能（也许能用上 A100），或许是更便宜、采用更灵活。除了大家所熟知的 GCP 和 AWS，还包括下列：

Paperspace Gradient ：G1 采用费用为每星期 8 美元，并提供更多 GPU 和 6 半小时运行时限制的完全免费版。除此之外，每半小时花费 2.30 美元可以运行 V100。此外，G1 还能提供更多 200GB 的存储空间和 5 个并行运行的 notebook。

JarvisCloud ：每半小时 2.4 美元可采用 A100 GPU 。此外，JarvisCloud 还提供更多最新的 Pytorch、FastAI、Tensorflow 作为预安装框架。存储高达 500GB，每半小时最高 7 美分。

Vast.ai ：是两个出租 GPU 的平台。你可以在此出访 GCP、AWS 和 Paperspace 资源。但是价格差异很大，但有些看起来比具有相似可靠性的大公司便宜得多。

OracleCloud ：每半小时支付约 3 美元可运行 V100，与 AWS 相当。此外， A100 也即将投入采用。

OHVcloud ：一家以价格优惠而闻名的法国供应商。每半小时支付 1.7 美元就可以采用 1 块 V100，并提供更多 400GB 的存储空间。

当前市面上有很多云 GPU 选择，也许在这种良性竞争下，我们会看到价格的合理调整。

参考链接：

AI换脸云端colab体能训练常见难题有哪些？是不是化解？

colab的采用时长这个难题相信很多人都有过这样的困扰！

官方解释

官方的解释虚拟机的最长生命周期可以达到12个半小时，但是很多情形下我们的正常的采用时间根本就没有12个半小时。

新申请的Google账号最先是可以直接采用GPU的，也就是说可以“薅资本主义的亚麻”但是你能申请到的GPU也就是K80 或者是P100，脸白的兄弟可以连续采用两个半小时的时间，但是大多数的玩家也就是两个半小时不到的时间，与官方解释的连接时长有很大的差别，根本就没有说的12个半小时。

而且达到限额之后不会再继续开放（我申请过很5个小号，到现在为止两个月了还是没有解开，无奈之下选择氪金）

这个时候就要想到升级花钱的Pro版本了 官方的定价是**美元（付费方式在文章的后面会有专门的解释）

升级的PRO版本本人亲自测试过，在你限额之后只要升级之后就会立马开通不再限额，而且采用的是最新的显卡（Tesla V100-SXM2-16GB），就算是显示限额之后第二天就会解开（这些东西都是作者自己采用过后再写的东西都是最新的也是最真实的）开通之后可以化解很多的难题，如果要是你打算经常采用的，我建议完全可以升级!!

体能训练模型截图

单纯的说这是一张市价 好几万的显卡，太贵了，不建议！

网络素材

不论是想自学AI换脸娱乐的也好，还是想自学广度自学体能训练模型的也好，这都是两个不错的选择，云端体能训练模型的优点有很多，举个单纯的例子：不用占用自己的电脑，直接在中文网站上运行，只须要能够出访Google就好（出访的方法我会放在文章的最后）

云端体能训练ai换脸的模型方法很单纯，浏览器出访下面的网址一步一步在“笔记本”中运行就好了

Deepfacelab 云端体能训练中的常见的代码难题

一、

在“笔记本”中下载deepfacelab时下载的就而已deepfacelab软件的本身（说白了就是两个文件夹），没有workspace的文件夹（研究过换脸软件的应该都懂）须要自己上传自己的两个data的视频文件，很多人在这个地方都会踩坑，不知道该是不是办，这里作者分享两个单纯好用的方法减少出错的概率（基本不会出错）这算是两个小技巧，刚开始玩的同学可能会出现这样的难题！

!git clone workspace

直接在旧笔记本中运行上面代码框中的代码（运行完成之后在deepfacelab文件夹下会生成两个workspace的文件夹，这个就是换脸软件最初的给的文件，里头的视频也是原版视频，采用的时候将这两个data的视频删除之后上传自己须要换脸的视频）这样会直接化解上传视频文件出错的难题。也是相当的好用！

继续体能训练时可以直接运行下面的代码，最好千万别分开运行，很容易出错！

二、

在执行代码时网络不好的情形经常出现，这个时候须要重新连接，这个时候最容易出现代码出错难题（如下图）

如歌出现类似上面这样的代码表明你须要重新挂载你的google云盘，很单纯只要重新加载挂载Google云盘的代码就好！

三、

如果碰到这样的代码出错的情形，那就是你须要重新安装的你的python自然环境才能够正常的运行

其他的难题：

一、在你剪切你的视频里头的脸的时候须要你自己去检查切脸的情形，直接点选workspace下面的目录查看文件就好，注意：删除的照片是aligned里头的照片 data下面的照片是全部的照片千万千万别动（很多人基本上不太在意这一点，出错之后再去注意）

二、代码最好一气呵成，只要是运行到了组后的体能训练阶段就好，中键的步骤太多最容易出现错误。所以要确保自己的网络自然环境是稳定的，千万别出现波动。只要是到了体能训练的阶段就会省事很多

三、国内的卡是没有办法去支付Google的，这个时候你可以去办理一张双币的信用卡，自己去直接付费。也可以直接上淘宝找这样的代付的网店一般也就是七十多块钱吧。还有一种方法也就是用苹果手机的付费方式

Google Colab平台采用

Colab全称Colaboratory，是Google提供更多的两个Jupyter Notebook式的交互自然环境，在云端运行，提供更多 完全免费 的GPU资源，用户可以直接采用。并且创建的Notebook存储在云端硬盘中，可以方便与他人共享。

Colab采用教程

有个小tip须要注意，当采用命令 !cd mydir 切换当前目录时，具有一定的时效性，仅对当前行起作用；而采用命令 %cd mydir 切换目录才具有持久性，即停留在 mydir 目录下。

是不是出访googlecolab的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于是不是出访google2021、是不是出访googlecolab的信息别忘了在本站进行查找喔。有须要独享得id可以点选下方广告链接步入。独享一人一号。