利用Google Colab免费使用GPU服务器详细攻略

这篇具有很好参考价值的文章主要介绍了利用Google Colab免费使用GPU服务器详细攻略。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

前言

一、Colab限额、提供的GPU类型

二、Colab的使用步骤(如何使用免费GPU资源)

1、添加Colaboratory

2、新建Colab、连接GPU、挂载Google Driver

3、项目上传文件并运行

三、快速下载/上传Google Drive文件的方法(利用MultiCloud)

四、其他相关技巧


前言

Google Colab是一个基于云端的免费Jupyter笔记本环境,可供用户创建、分享、运行Python代码和机器学习模型。

一、Colab限额、提供的GPU类型

Colab限额:Colab能够免费提供资源的原因之一是它采用了动态限额,随时变化以满足用户需求,但无法保证资源的供应或无限供应(单次最长12小时,自动断开连接)。因此,总体使用量限额、空闲超时时长、虚拟机最长生命周期、可用GPU类型等都可能不时变化,Colab也不会公布这些限额,因为它们会快速变化。如果用户希望获得更高、更稳定的使用量限额,可以订阅Colab Pro。

提供的GPU类型: Colab 中的可用 GPU 类型是动态变化的,通常包括 Nvidia K80、T4、P4 和 P100。

二、Colab的使用步骤(如何使用免费GPU资源)

Google Colab 支持挂载 Google Drive,方便存储文件。因此,我建议您直接使用 Google Drive 登录,以便更轻松地进行文件存储。 Google Driver官网

1、添加Colaboratory

进入 Driver 官网后,登录成功。点击左上角新建,选择关联更多应用并且安装Colaboratory。

利用Google Colab免费使用GPU服务器详细攻略

利用Google Colab免费使用GPU服务器详细攻略

2、新建Colab、连接GPU、挂载Google Driver

  • 如图所示新建Jupyter笔记本。(刚安装的可能看不见,刷新一下即可)

利用Google Colab免费使用GPU服务器详细攻略

  • 连接到GPU

点击左侧修改->笔记本设置->选择GPU。

利用Google Colab免费使用GPU服务器详细攻略

利用Google Colab免费使用GPU服务器详细攻略

设置好后,在右侧会显示具体的设备信息

利用Google Colab免费使用GPU服务器详细攻略

如果需要修改文件名,可点击左上角文件名修改:

利用Google Colab免费使用GPU服务器详细攻略

  • 挂载Google Driver:

为什么要挂载Google Driver?

如果没有挂载Google Driver(Google 云端硬盘),则下载的文件只会暂时存在(即下次打开时,下载在Jupyter NoteBook的文件就不见了),初始阶段,左侧只有sample_data一个文件夹,当使用代码挂载Google Driver后,左侧出现driver文件夹,只要我们的文件放在driver后,文件就不会消失了(下次打开的时候需要再次使用代码挂载Google Driver

可以点击左侧图标加载(下图),也可利用代码加载。(注意:点击图标加载可以实现打开文件自动加载

利用Google Colab免费使用GPU服务器详细攻略

代码加载(成功出现“Mounted at /content/drive”表示挂载成功):

from google.colab import drive 
drive.mount('/content/drive')

利用Google Colab免费使用GPU服务器详细攻略

3、项目上传文件并运行

  • 项目代码上传

推荐在谷歌云盘里上传项目(因为可以直接将本地项目直接以文件夹的形式拖进来上传)。在云盘里建立好文件路径,直接托进来即可。

利用Google Colab免费使用GPU服务器详细攻略

  • 项目代码运行

上传代码后,输入以下命令即可进入项目文件的工作路径

%cd /content/drive/MyDrive/0深度学习代码运行/3D_CNN
# 注意这里在非交互环境下,需要加上 % 才可以进入该路径
# 这里的 %cd /content/drive/MyDrive/ 是必须的。后面是你在谷歌云盘里的项目路径

利用Google Colab免费使用GPU服务器详细攻略

也可以通过以下代码导入工作路径

# 上传文件后执行以下代码就可以了
import sys
sys.path.append('/content/drive/MyDrive/0深度学习代码运行/3D_CNN')
# 0深度学习代码运行/3D_CNN是你自己的工作路径

利用Google Colab免费使用GPU服务器详细攻略

在进入项目的工作路径之后,就可以直接输入python 1.py运行代码了

!python train.py
# 这里在非交互下,需要加上 ! 才可以成功执行

利用Google Colab免费使用GPU服务器详细攻略

  • 代码编辑

在云盘里右键需要编辑的py文件,选择打开方式里的Texe Editor即可编辑。(如果没有,选择关联更多应用里面安装即可)

利用Google Colab免费使用GPU服务器详细攻略

三、快速下载/上传Google Drive文件的方法(利用MultiCloud)

MultiCloud: 无需下载和安装,在网页登录即可将文件上传到云盘或下载到计算机上,支持30多种云盘。

该平台的免费传输流量是每月5G,超出是需要购买的。

利用Google Colab免费使用GPU服务器详细攻略

使用步骤:

1、注册并登录MultCloud。点击进入MultCloud | 最好的免费跨网盘文件传输管理器

利用Google Colab免费使用GPU服务器详细攻略

2、点击右侧栏'Add Cloud'并选择'Google Drive'。

利用Google Colab免费使用GPU服务器详细攻略

3、选择要下载的文件’Download'。

利用Google Colab免费使用GPU服务器详细攻略

四、其他相关技巧

  • 查看显卡驱动
# 查看显卡驱动
!/opt/bin/nvidia-smi

利用Google Colab免费使用GPU服务器详细攻略

  • 多个命令使用&&连接,如果遇到换行记得加\
!cd /content/drive/MyDrive/3DCNN && \
pip list
  • 管理会话

点击RAM旁边的倒三角,查看资源,管理会话。

如果有正在运行的,而且不在使用的GPU会话记得及时关掉,因为个人额度是有限的。所以只要在模型训练时开启GPU模式,其他情况使用None即可。

利用Google Colab免费使用GPU服务器详细攻略

  • 交互指令

用 !bash 开启交互指令,输入exit退出。(不用开小黑窗口啦!唯一的缺点是输入的命令不显示,得点一下才可以显示。)

也可以直接在指令前面加上“ ! ”运行。

利用Google Colab免费使用GPU服务器详细攻略文章来源地址https://www.toymoban.com/news/detail-491532.html

  • 查看操作系统版本
!lsb_release -a

到了这里,关于利用Google Colab免费使用GPU服务器详细攻略的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 免费使用高性能的GPU和TPU—谷歌Colab使用教程

    楼主前一阶段在做视频插帧算法应用,鉴于在自己的本子上跑代码是在太慢,又不好意思在跑路后还是用学院的服务器账号,所以翻来覆去学会了在谷歌使用免费的算力进行模型训练和使用。在开始使用前,请您准备自己的Google账号并熟悉Jupyter Notebook的使用 什么是 Colab? 借

    2024年02月04日
    浏览(48)
  • LLM实践-在Colab上使用免费T4 GPU进行Chinese-Llama-2-7b-4bit推理

    一、配置环境 1、打开colab,创建一个空白notebook,在[修改运行时环境]中选择15GB显存的T4 GPU. 2、pip安装依赖python包 注意此时,安装完accelerate后需要重启notebook,不然报如下错误: ImportError: Using low_cpu_mem_usage=True or a device_map requires Accelerate: pip install accelerate 注:参考文章内容

    2024年02月04日
    浏览(51)
  • 本地连接服务器使用GPU训练模型

    直接运行上面的文件,然后输入密码,这密码不是服务器的密码,但是可以直接连接到服务器上面,这个东西是什么?好厉害,居然可以跳过去服务器的账号密码 我本来想忽略一些不需要上传文件,但是无法成功忽略,scp好像不支持 下面这个命令是从服务器上面传输数据到

    2024年02月07日
    浏览(54)
  • 服务器已经存在CUDA但无法使用GPU

    记录一下我使用服务器期间遇到的问题以及解决方法(主要使用tensorflow) 先介绍一下我本次遇到的问题: 我在服务器上拥有一个独立的账号,我发现我的tensorflow无法调用GPU,先排查可能存在的问题 终端输入 nvcc -V 结果如下: 显示已经安装了11.8版本的CUDA  但是在python文件

    2024年02月02日
    浏览(45)
  • 如何在服务器使用GPU跑深度学习代码

    每个人都有他们偏好的工具和工作流程。就我个人而言,我喜欢使用 PyCharm Professional Edition 作为我的集成开发环境,选择使用 HengYuan Cloud\\\'s OSS.exe 和 FileZilla 进行文件传输,并且我倾向于使用 Xshell 来处理命令行操作。这些工具的组合满足了我的所有需求,并使我的工作效率最

    2024年04月12日
    浏览(49)
  • 北京超级云计算GPU服务器的使用教程

    北京超级云计算中心(北京超算云)是一个很不错的训练深度学习模型的平台(主要是可以白嫖200元的GPU算力资源),官网连接。申请账号现在应该还送200元(我申请使用的是GPU服务器)。在官网中填写申请信息,然后等着客户经理给你打电话,然后把你的需求说清楚,第二

    2024年02月02日
    浏览(46)
  • (一)ssh远程连接服务器GPU以及其他GPU使用途径——新手指南

    最近在训练语义分割网络时决定使用GPU,本文记录新手在使用GPU时遇到的一些坑。想要在win10系统上配置GPU运行Pytorch代码可以考虑以下几种方式: 安装cuda,以及GPU版本的pytorch和torchvision,使用电脑自带的GPU进行网络训练; 远程连接实验室的服务器,通过IP、账号以及密码进

    2024年02月08日
    浏览(48)
  • 配置使用云服务器训练神经网络模型——在阿里GPU服务器训练yolov5模型

    对于没有GPU训练机的人来讲,使用云服务器训练自己的模型应该最最优选择,只是在训练的时候开个按时计费的服务器,训练完成后保存环境镜像之后,可以完全停掉服务器,期间不产生任何费用,下次再训练时,启动环境就可以,很容易保护好自己的训练环境不受污染。

    2024年02月06日
    浏览(62)
  • 华为云GPU服务器使用PaddleClas和PaddleServing训练、部署车辆类型分类模型服务

    以下针对最近使用PaddleClas和PaddleServing在华为云GPU服务器上训练和部署一个车辆类型识别模型过程进行记录,以供日后自己参考和其他有需要的朋友一些帮助,接触这方面东西时间较短,如有问题欢迎批评指正。 如何在华为云服务器上搭建GPU版本的PaddlePaddle环境请参考以下文

    2024年02月13日
    浏览(42)
  • Danswer 接入 Llama 2 模型 | 免费在 Google Colab 上托管 Llama 2 API

    前面在介绍本地部署免费开源的知识库方案时,已经简单介绍过 Danswer《Danswer 快速指南:不到15分钟打造您的企业级开源知识问答系统》,它支持即插即用不同的 LLM 模型,可以很方便的将本地知识文档通过不同的连接器接入到 Danswer,然后实现本地基于知识库的语义检索。它

    2024年02月05日
    浏览(67)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包