在上一篇文章《机器学习硬件设施差？免费使用谷歌的GPU云计算平台》中，我们说明了如何使用Google Colab云平台。通过Jupyter Notebook，我们可以交互式的运行python脚本，然而对于复杂的python脚本，我们通常会编写python文件，甚至编写python模块，组合成应用。本篇我们将演示如何在Google Colab上执行python文件，克隆github项目，进行深度学习建模。

在Google Colab中导入并运行.py文件

为了达到这一目的，你需要安装一些必要的系统库，并进行授权。

!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}

运行之后，会出现以下结果：

点击其中的链接，复制验证码，粘贴到文本框中，回车，完成授权。

这里为什么需要授权？Google Colab和Google Drive毕竟属于两个不同的产品，Google Colab相当于分配给每个用户一个云虚拟机，要挂载Google Drive当然需要授权。

接下来就是挂载Google Drive：

!mkdir -p drive
!google-drive-ocamlfuse drive

上传github上的一个文件mnist_cnn.py到Google Drive的GoogleAI文件夹(参考上一篇文章：机器学习硬件设施差？免费使用谷歌的GPU云计算平台)。

因为这个python程序使用到了Keras框架，所以运行前还需要安装Keras框架：

!pip install -q keras

现在可以运行脚本了，这个脚本是在MNIST数据集上训练一个简单的深度卷积网络。

!python3 drive/GoogleAI/mnist_cnn.py

从上面的示例可以总结出，在Notebook中执行外部命令，比如apt-get、mkdir等，需要在命令前加上!符号。如果你还需要其它的python库，可以通过pip install命令来安装，从这个意义上讲，Google Colab上可以使用几乎所有的机器学习框架。

克隆github仓库到Google Colab

• 找到github仓库的git地址

  比如：https://github.com/wxs/keras-mnist-tutorial

  

• 克隆git仓库

!git clone https://github.com/wxs/keras-mnist-tutorial.git drive/GoogleAI/keras-mnist-tutorial

• 在Google Drive中访问文件夹

• 打开Notebook文件

• 运行

注意：该Notebook包含多个交互代码段，请依次点击每个代码段执行。

如何安装库

• Keras

!pip install -q keras
import keras

• PyTorch

!pip install -q http://download.pytorch.org/whl/cu75/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl torchvision
import torch

• MxNet

!apt install libnvrtc8.0
!pip install mxnet-cu80
import mxnet as mx

• OpenCV

!apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-python
import cv2

• XGBoost

!pip install -q xgboost==0.4a30
import xgboost

• GraphViz

!apt-get -qq install -y graphviz && pip install -q pydot
import pydot

• 7zip Reader

!apt-get -qq install -y libarchive-dev && pip install -q -U libarchive
import libarchive

• 其它

  使用!pip install或!apt-get install命令，具体参考库的安装说明。

如何重启Google Colab?

!kill -9 -1

Google Colab的缺点

看了上面的介绍，你是否磨掌擦拳，准备将项目迁移到Google Colab上？且慢，天下没有免费的午餐，下面说说Google Colab的不足之处。

Google Colab最大的不足就是使用虚拟机，这意味着什么呢？

这意味着我们自行安装的库，比如Keras，在虚拟机重启之后，就会被复原。为了能够持久保存数据，我们可以借助Google Drive。还记得我们之前为了挂载Google Drive所做的操作吗？这也同样意味着重启之后，要使用Google Drive，又要把上面的步骤执行一遍。更糟糕的是，不仅仅是虚拟机重启会这样，在Google Colab的会话断掉之后也会这样，而Google Colab的会话最多能够持续12小时。

当然，Google Colab已经默认安装了Tensorflow的环境，如果你是准备使用Tensorflow进行深度学习，那还是不错的，但也仅限于小型的数据建模。

参考

1. Google Colab Free GPU Tutorial