Google Colab: Alles, was Sie wissen müssen

Google Colab macht Data Science, Deep Learning, neuronale Netze und maschinelles Lernen für einzelne Forscher zugänglich, die sich keine teure Computerinfrastruktur leisten können.

Machine learning and data science are the two new technologies in which all new-generation computer scientists want to excel. There are many online learning courses, free lectures, and online how-to guides on ML and data science.

Das Üben an Projekten wird jedoch zu einer Einschränkung, da Sie für solche Workloads High-End-PCs benötigen. Die Antwort auf dieses Problem ist Google-Kooperation oder kurz Colab. Lesen Sie weiter, um das Ultimative zu erfahrenate revAnsicht von Google Colab.       

Was ist Google Colab?

Google Colab is a Jupyter Notebook-like product from Google Research. A Python program developer can use this notebook to write and execute random Python program codes just using a web browser.

In einer nutshell, Google Colab is a cloud-hosted version of Jupyter Notizbuch. To use Colab, you do not need to install and runtime or upgrade your computer hardware to meet Python’s CPU/GPU intensive workload requirements.

Furthermore, Colab gives you free access to computing infrastructure like storage, memory, processKapazität, Grafik processing-Einheiten (GPUs) und Tensor processing-Einheiten (TPUs).

Google hat spezally programmed this cloud-based Python coding tool, keeping in mind the needs of machine learning programmers, big data analysts, data scientists, AI researchers, and Python learners.

The best part is one code notebook for all the components needed to present a complete machine learning or data science project to program supervisors or sponsors. For example, your Colab notebook can contain executable codes, live Python codes, rich text, HTML, LaTeX, Bilder, Datenvisualisierungen, Diagramme, Grafiken, Tabellen und mehr.     

Wie funktioniert Google Colab?

Google Colab is simply an online representation of Jupyter Notebook. While Jupyter Notebook needs installation on a computer and can only use local machine resources, Colab is a full-fledged cloud app for Python coding.

Sie können Python-Codes mit Colab auf Ihrem Google Chrome schreiben oder Mozilla Firefox Web browsers. Sie können diese Codes auch auf dem b ausführenrowsohne dass eine Laufzeitumgebung oder eine Befehlszeilenschnittstelle erforderlich ist.

Darüber hinaus können Sie Ihre geben Python-Projekt Verleihen Sie Ihrem Notizbuch einen professionellen Look, indem Sie ma hinzufügenthematicAlle Gleichungen, Grafiken, Tabellen, Bilder und andere Grafiken. Zusatzallykönnen Sie Datenvisualisierungen in Python codieren, und Colab rendert den Code in einem visuellen Asset.

Darüber hinaus können Sie mit Colab Jupyter Notebook-Dateien von GitHub wiederverwenden. Darüber hinaus können Sie auch kompatible Machine-Learning- und Data-Science-Projekte aus anderen Quellen importieren. Effizient zusammenarbeiten processEs ermöglicht die importierten Assets, saubere und fehlerfreie Python-Codes anzuzeigen.    

Beste Funktionen von Google Colab

GPUs und TPUs

Free Colab users get chargeless access to GPU and TPU runtimes for up to 12 hours. Its GPU runtime comes with an Intel Xeon CPU @2.20 GHz, 13 GB RAM, a Tesla K80 accelerator, and 12 GB GDDR5 VRAM.

Die TPU-Laufzeit besteht aus einer Intel Xeon CPU @2.30 GHz, 13 GB RAM und einer Cloud-TPU mit 180 Teraflops Rechenleistung.

Mit Colab Pro oder Pro+ können Sie mehr CPUs, TPUs und GPUs für mehr als 12 Stunden in Betrieb nehmen.  

Notebook-Freigabe

Vor Colab war der Zugriff auf das Python-Code-Notizbuch noch nie möglich. Jetzt können Sie erstellenate Gemeinsam nutzbare Links für Colab-Dateien, die auf Ihrem Google Drive gespeichert sind. Teilen Sie nun den Link mit dem Mitarbeiter, der mit Ihnen zusammenarbeiten möchte. Darüber hinaus können Sie Programmierer auch über Google-E-Mails zur Zusammenarbeit einladen. 

Spezielle Bibliotheksinstallation

Mit Colab können Sie Nicht-Colaboratory-Bibliotheken (AWS S3, GCP, SQL, MySQL usw.) installieren, die in den Code-Snippets nicht verfügbar sind. Sie müssen lediglich einen Einzeiler-Code mit den folgenden Code-Präfixen hinzufügen: 

!pip install (example: !pip install matplotlib-venn)

!apt-get install (example: !apt-get -qq install -y libfluidsynth1)

Vorinstallierte Bibliotheken

Google Colab offers multiple pre-installed libraries so that you can import the required library from Code snippets. Such libraries include NumPy, Pandas, Matplotlib, PyTorch, TensorFlow, Keras und weitere ML-Bibliotheken. 

Kollaborative Codierung

Co-Coding ist unabdingbarsable für Gruppenprojekte. Es hilft Ihrem Team, Meilensteine ​​früher als erwartet zu erreichen. Wenn Ihr Team Echtzeit-Zusammenarbeit bei ML- und Data-Science-Projekten benötigt, ist Google Collaborative genau das richtige Tool.

Senden Sie einfach einen bearbeitbaren Link mit den Mitarbeitern oder laden Sie Mitarbeiter zur Gruppencodierung ein. Das gesamte Python-Notizbuch wurde aktualisiertates automatischally B. wenn das Team codiert, und Sie haben das Gefühl, an gemeinsam genutzten Google Sheets oder Docs zu arbeiten.    

Cloud Storage

Google Colab verwendet Ihr Google Drive-Speicherkontingent zum Speichern von Dateien. Daher können Sie die Arbeit von jedem Computer aus fortsetzen, auf dem Sie auf Ihr Google Drive-Konto zugreifen können.

Cloud-Speicher fungiert auch als Backup Ihrer Daten vor Katastrophen.   

GitHub-Integration

You can link your GitHub account with Google Colab to seamlessly import and export code files. For import, you can press Ctrl+O and click on the GitHub tab to get code files. On the contrary, simply click on Save a copy to GitHub from the File menu to send files to GitHub. 

Mehrere Datenquellen

Google Colaboratory supports various data sources for your ML and AI training projects. For example, you can import data from a local machine, mount Google Drive to a Colab instance, fetch remote data, and clone the GitHub repo into Colab.  

Automatische Versionskontrolle

Wie Google Sheets und Docs verfügt auch Google Colab über einen umfassenden Verlaufs-Tracker. Das Modul verfolgt alle seit der Datei vorgenommenen Änderungen creatioN. Sie können über das Menü „Datei“ auf die Protokolle zugreifen und auf klicken RevOption „Isionsverlauf“.  

Warum sollten Sie sich für Google Colab entscheiden?

• Google Colaboratory ist ein cloudbasiertes Tool. Sie können mit dem Codieren fantastischer ML- und Data-Science-Modelle mit Chrome b beginnenrowser. 
• Colab ist kostenlos mit begrenzten Ressourcen. Sie sollten jedoch nicht erwarten, dass Sie Ihre Modelle für künstliche Intelligenz oder maschinelles Lernen unbegrenzt auf der kostenlosen Infrastruktur von Colab speichern können.
• If you know how to work on Jupyter, you need not go through any learning curve on Google Colaboratory.
• Freier Zugriff auf GPUs und TPUs für umfangreiche Data-Science- und Machine-Learning-Modelle.
• Es wird mit vorinstallierten und beliebten Data-Science-Bibliotheken geliefert.
• Coders können das Code-Notizbuch ganz einfach mit Kollegen teilen, um in Echtzeit zu programmieren.
• Da Google das Notebook hostet Google Cloudmüssen Sie sich keine Gedanken über die Versionskontrolle und Speicherung von Codedokumenten machen.
• Leicht integrierbarates mit GitHub. 
• Sie können KI mit Bildern trainieren.
• Sie können Modelle auch mit Audio und Text trainieren.
• Forscher können auch TensorFlow-Programme auf Colab ausführen.       

So verwenden Sie Google Colab

Sie können Google Colaboratory verwenden, wenn Sie die folgenden Mindestanforderungen erfüllen: 

• Ein Google-Konto, um alle Vorteile von Colab zu erleben.
• Ein Computer, auf dem l ausgeführt werden kannatest Google Chrome oder Mozilla Firefox browser
• Google empfiehlt Chrome für Colab.
• Akzeptieren Sie die Datennutzungsbedingungen von Google.

Sie können auf Google-Kooperation von seiner offiziellen Website. Colab ist kostenlos; Begrenzte Ressourcenzuweisungen sind jedoch nicht immer garantiert. Wenn Sie mehr Geschwindigkeit benötigen und processing-Funktionen mit garantierten Ressourcen, die Sie erhalten können Colab Pro oder Pro+.

Einige Modelle für Data Science und maschinelles Lernen, die für Colab geeignet sind, finden Sie hier Google Seedbank.   

Die Unterschiede zwischen Google Colab und Jupyter Notebook

#1. Colab benötigt keine Softwareinstallationen auf dem lokalen Rechner. Im Gegensatz dazu erfordert Jupyter Notebook Softwareinstallationen und lokale Maschinenressourcen für die Berechnung.

#2. Da Colab cloudbasiert ist, erhalten Sie eine automatische Versionskontrolle. Außerdem speichert Google Drive das Python-Notizbuch weiterhin automatischally. Im Gegensatz dazu müssen Sie beim Jupyter-Notebook das Notebook regelmäßig speichernally und verwalten Sie die Versionskontrolle.

#3. Colab-Dateien stehen zu Sicherungszwecken auf Google Drive zur Verfügung. Andererseits werden Jupyter Notebook-Dateien nicht automatisch gesichertally.

#4. Sie können Ihre Colab-Dateien an jeden senden, auch an Kunden, die kein Datenwissenschaftler sind. Sie können das Dokument einfach auf Google Colab öffnen und revSehen Sie sich den Inhalt an. Auf Seiten des Empfängers ist keine Softwareinstallation erforderlich.

On the contrary, the recipient needs to install and run Jupyter Notebook to read your project. Hence, sharing this file with non-data science clients becomes a challenge.

#5. Google Colaboratory enthält die erforderlichen Bibliotheken für Data-Science- und Machine-Learning-Projekte. Es gibt Ihnen auch eine bestimmte Menge an CPU, RAM, GPU und TPU in der Cloud. So sparen Sie Zeit und Geld.

Im Gegensatz dazu müssen Sie alle für Ihr Projekt erforderlichen Bibliotheken beziehen und installieren, wenn Sie an der Jupyter Notebook-App arbeiten. Die Installation so vieler Bibliotheken verbraucht auch die CPU-, RAM- und GPU-Ressourcen des lokalen Computers.         

Ausführen häufiger Aufgaben auf Google Colab

# 1. Create ein Notizbuch

• Gehen Sie zum Google Colab-Portal und sehen Sie "Willkommen bei Colab!"
• Klicken Sie im oberen Menü auf Reichen Sie das.
• Wählen Sie im Kontextmenü Datei Neues Notizbuch. 
• Ihr neues Python-Notebook ist fertig. Sie können die Notebook-Datei umbenennen.

# 2. Dateien hochladen und herunterladen

Sie können lokale Python-Codes in Colab hochladen, indem Sie diesen Schritten folgen:

• Klicken Sie im oberen Menü auf Reichen Sie das.
• Es öffnet sich ein Kontextmenü mit vielen Optionen.
• Finden Sie Notizbuch hochladen und klicke darauf.
• Sie sehen nun eine überlagerte Konsole mit Optionen wie Beispiele, Google Drive, GitHub und Hochladen. 
• Klicken Sie auf eine beliebige Registerkarte und wählen Sie den Codeinhalt aus, den Sie hochladen möchten. 

Das Herunterladen Ihres laufenden oder abgeschlossenen Projekts ist ebenfalls super einfach. Hier sind die Schritte: 

• Klicken Sie auf Reichen Sie das Menülokated in der oberen Menüleiste.
• Bewegen Sie den Mauszeiger darüber Herunterladen.
• Es öffnet sich ein Kontextmenü mit zwei Download-Dateiformatoptionen: .ipynb und .py.
• Sie können ein bevorzugtes Format auswählen und die Datei herunterladen. 

# 3. Greifen Sie auf GitHub zu

Der Zugriff auf GitHub ist in Colab ein Kinderspiel. Folgendes können Sie tun:

• Klicken Sie Reichen Sie das in der oberen Menüleiste.
• Auswählen Upload Notebook in dem Kontextmenü.
• Eine Konsole mit a GitHub Registerkarte wird geöffnet.
• Alternativ können Sie drücken Strg + A um auf dieselbe Konsole zuzugreifen.
• GitHub-Suchoptionen sind GitHub-URL, Benutzername und Name der Organisation.

# 4. Greifen Sie auf lokale Dateien zu

• Presse Strg + A auf Ihrem neuen Colab-Notebook.
• Wähle aus Hochladen Registerkarte auf der angezeigten Konsole.
• Klicken Sie Wählen Sie Datei lokalisierenate die lokale Datei, die Sie in Colab öffnen möchten.  

# 5. Greifen Sie auf Google Drive zu

• Klicken Sie Reichen Sie das im oberen Menü.
• Sie können wählen, Notizbuch öffnen or Upload Notebook.
• Es erscheint eine Konsole mit einer Registerkarte für Google Drive.
• Klicken Sie darauf, um auf Dateien von Google Drive zuzugreifen. 

Wenn Sie Google Drive in Ihrer Colab-Instanz bereitstellen möchten, gehen Sie folgendermaßen vor: 

• Klicken Sie auf Reichen Sie das located im linken Navigationsbereich.
• Wähle aus Laufwerk montieren Befehl.
• Wählen Sie in der angezeigten Benachrichtigung aus Stellen Sie eine Verbindung zu Google Drive her.
• Google fordert Sie auf, ein Konto für die Autorisierung auszuwählen.

# 6. In Google Sheets speichern und daraus importieren

Sie können Ihre Notebook-Daten speichern effortfür weitere Zwecke in eine Google Sheets-Datei kopieren processing. Versuchen Sie dazu die folgenden Schritte:

• Klicken Sie auf die Code Snippets Schaltfläche in der unteren linken Ecke.
• Auf der rechten Seite öffnet sich ein Navigationsbereich.
• Art Download im Filter, und Sie werden finden Speichern von Daten und Daten importieren Code Ausschnitte.
• Double-click on the title to include the code in the notebook.

# 7. Greifen Sie auf AWS S3 zu

Sie können über den Cloud-Speicher auf Dateien und Codierungsressourcen zugreifen platFormulare wie AWS S3 und Azure Blob mithilfe von Cloud-Speicher-Buckets. 

Dazu müssen Sie ByteHub installieren, das über die Funktionen zum Laden und Speichern von Daten auf Cloud-Speicher verfügt. Sie können den folgenden Code ausführen:

!pip install -q bytehub[aws] 

Greifen Sie auf Kaggle-Datensätze zu

• Gehen Sie zum Kaggle-Konto und klicken Sie auf API-Token ablaufen lassen von dem API-Bereich alte Token zu entfernen.
• Erstellen Neues API-Token um die kaggle.json auf dem lokalen Computer abzurufen.
• Verwenden Sie nun den folgenden Code, um Kaggle zu installieren:

!pip install -q kaggle

• Laden Sie nun die Kaggle.json-Datei gemäß einer standardmäßigen Codierungspraxis in die Python-Codebasis hoch.

Zusammenfassung

Nachdem Sie sich nun ausführlich mit der Google Collaboratory App auseinandergesetzt haben, sollten Sie in der Lage sein, Ihre Lern-, Schulungs- oder Übungsprojekte für maschinelles Lernen in Gang zu bringen. Google Colab ist eine wirklich praktische Cloud-App für diejenigen, die Jupyter Notebooks mögen.