https://www.jianshu.com/p/2cf00bb9db34?utm_source=oschina-app
穷学生学习神经网络一定体会过“等待”的痛苦。。。
循环一次epoch急死人,但是有几十个上百个循环等着你!
你盯着屏幕看着进度条像蜗牛一样推进，真是恨铁不成钢，心想等日后发达了一定要买一台好电脑...
只能先干干其他的事儿，但是心里又不放心，总是会来看，结果还是没训练完，算了，正事儿是干不了了，刷刷手机吧~... ...(半小时过去)
终于训练完啦！看看结果：
woc...@#$&&**&苦逼地重新训练一次....o(╥﹏╥)o
前几天看网上说Google推出了免费的GPU专门给机器学习的穷孩子们用！顿时让我激动了起来，马上去试用了一下。（哦，自备梯子...）
参考教程：
Google Colab Free GPU Tutorial
薅资本主义羊毛，用Google免费GPU
但是因为自己的项目跟教程中的不太一样，有一些细节没有说清楚，查了很多资料终于解决，决定这里把我自己的使用过程记录下来：
Google Colaboratory
直接Google一下：
点击进去看看：
发现是Colaboratory的简介，里面附有一些简单的代码告诉你怎么使用这个玩意儿。你会发现它跟Jupyternotebook很像，因为它就是在jupyter notebook基础上开发的：
所以很好理解，Google给你准备了一个云端的jupyter notebook，你把你的代码搬过来，在云端运行你的代码，耗费的不是你自己电脑的计算力，而是Google Colaboratory的计算力，而Google Colaboratory配备了Tesla K80 GPU！这可是贵族用的玩意儿呀，哎呀捡着大便宜了！
但是这个GPU不是默认开启的，需要你设置一下notebook，很简单：
点击笔记本上的“修改（edit）-->笔记本设置（notebook setting）”：
就出现了下面的窗口，在“硬件加速器”中选择“GPU”即可：
吼吼，就好了！
上面介绍的是Colaboratory的简单使用和怎么开启GPU，下面介绍怎么把本地的项目放到云端运行：
Google drive+Colaboratory 运行你的项目
Google Colaboratory是基于Google云端硬盘（drive）的，你的所有代码文件都会保存在Google Drive中，所有我们首先需要Google drive。
先说说我自己的是什么项目吧：
我在本地的notebook中有这样的一个做“神经网络风格迁移（neural style transfer）”的项目，目录如下：
.ipynb就是我的jupyter notebook文件，
imagenet-vgg-verydeep-19是我下载的VGG神经网络模型,
nst_utils.py里面有一些功能函数，也需要在.ipynb中调用。
什么是neural style transfer呢？就是做这个：
这个神经网络跑起来可是相当费时的，我自己的电脑，生成一个400×300大小的图片，跑200个epoch需要30分钟！所以虽然这个项目很激动人心，但是等一次结果真的很急人！
好了，现在我们开始把这个本地项目转移到Google drive上，并通过Colaboratory来运行！：
1.把文件夹上传到Google drive
图中的NST文件夹就是我上传的。目录结构跟我本地的一样：
文件不能直接打开，但是Google drive里面有Colaboratory插件，可以打开.ipybn文件：
右键选择打开方式：
我的这个文件里面，需要import我的NST文件夹中的nst_utils.py文件，因为里面写了很多重要函数，但运行一下程序，肯定会报错，说找不到nst_utils.py文件。
为啥呢？因为Colaboratory并没有关联你的Google drive！所以，接着设置：
2.安装必要的库，授权，连接你的Google drive
这个Colaboratory很牛逼的一点就是，它不光是一个notebook，还可以当命令行用！
我们在所有代码前面，加一个单元格，粘贴如下命令：
!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 fuse from google.colab import auth auth.authenticate_user() from oauth2client.client import GoogleCredentials creds = GoogleCredentials.get_application_default() import getpass !google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL vcode = getpass.getpass() !echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} 运行！你应该看到类似下面这种结果：
点击结果里面的验证链接，会跳到一个网页，显示一长串验证码，
将验证码复制粘贴到上面的框框中，回车！
好了，然后再在一个新单元格中输入下面命令：
!mkdir -p drive
!google-drive-ocamlfuse drive
再运行！就设置好了！
这样，Google drive就和Google Colaboratory连接好了，基本就可以像操作本地文件一样来操作云端的代码了。
3.如何导入Google drive中的文件
现在如果直接写：
from nst_utils import *
还是会报错，说找不到！这个地方折磨了我好久，不知道怎么回事儿。
后来发现，Colaboratory好像是单独创建了一个虚拟机，在虚拟机中只有我运行的ipybn文件，而没有NST文件夹中的其他文件。
我们在前一步的设置，只是让Colaboratory和drive连接了，也就是Colaboratory可以调用drive中的文件了，但是应该通过类似绝对路径的方式导入，所以正确的方法应该是写：
from drive.NST.nst_utils import *
drive就是我们的根目录，通过“ . ”来进入下一层目录，这样就可以导入我们的drive文件了！
同样的，后面我们需要导入NST文件夹中的imagenet-vgg-verydeep-19.mat文件，也就是我们的神经网络模型，这样写是错误的：
model = load_vgg_model("imagenet-vgg-verydeep-19.mat")
正确的写法是：
model = load_vgg_model("drive/NST/imagenet-vgg-verydeep-19.mat")
同样的，只要是要导入drive中的文件，都按照类似的绝对路径的方法来导入就可以了。
4.看看这个GPU效果如何
具体代码就不展示了，只给大家看看模型运行的结果：
运行了200个epoch，共耗时46秒！
而我在 本地运行，花了30分钟左右~
可见这个速度提升地多块！Google大法好啊~
下面附上每20次迭代的结果：
最开始的图片是这两张：
最后生成的图片是：
好了，关于Colaboratory的使用就先介绍到这里，主要我目前只知道这么多。。。日后有新的经验会继续更新！
8月1号更新：
这几天在使用中发现，挂载google drive的那两段命令，在每一次新建一个notebook时都需要运行一次，所以大家可以把那两段命令放在一个方便查看的地方，随时复制粘贴。
而且，一个项目可能到了第二天就不能连接drive了，这个时候需要再运行一下命令。反正我的项目都是第二天早上起来就需要重新连接drive了。
所以还是稍微有些麻烦。。。
另外，第一次运行命令的时候，跳出来一个链接，点击然后输入验证码之后，可能它又会跳出来一个一模一样的链接，同时整个版面像被清空了一样，这个时候，只要再次点击链接，再次输入验证码然后回车，看到“Access token retrieved correctly.” 就说明可以了。
然后别忘了另起一行，运行：
!mkdir -p drive
!google-drive-ocamlfuse drive
然后就可以连接drive了。
欢迎关注我的“深度学习”专栏：
DeepLearning.ai学习笔记
和我一起一步步学习深度学习吧！
作者：Stack_empty
链接：https://www.jianshu.com/p/2cf00bb9db34
来源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。