Colaboratory免费GPU试用指南，现在我们来一起看一下吧。
地址

1. 在Google Drive上创建文件夹
Colab用的数据都存储在Google Drive云端硬盘上，所以，我们需要先指定在Google Drive上要用的文件夹。比如说，可以在Google Drive上新建一个“app”文件夹，或者其他什么名字，也可以选择Colab笔记本默认的文件夹。

2. 新建Colab笔记本
在刚刚创建的app文件夹里点击右键，选择“More/更多”，然后从菜单里选择“Google Colaboratory”，这样就新建出了一个Colab笔记本。如果没有“Google Colaboratory”则需要点击“关联更多应用”添加该插件。之后方可成功新建。

点击笔记本的名字，可以重命名。

3. 设置免费GPU
这一步，要改变笔记本所用的默认硬件。在笔记本里点Edit>Notebook settings（修改>笔记本设置），或者Runtime>Change runtime type（运行时>改变运行时类型），然后在Hardware accelerator（硬件加速器）一栏选择GPU。


然后点击保存，Google Colab就可以用了。

4. 用Colab运行基本Python代码
我们来运行一些Python Numpy教程里的基本数据类型代码。
更多代码参考斯坦福大学卷积神经网络与视觉识别课程(CS231n)的Python Numpy教程，地址。运行结果如你所料。

5. 用Colab运行.py文件
先运行下面这些代码，来安装必要的库、执行授权。

!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}

运行的时候应该会看到下图所示的结果：

看见那个链接之后，点击它，复制验证码并粘贴到文本框里。授权完成后，就可以挂载Google Drive了：

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

安装Keras：

!pip install -q keras

将mnist_cnn.py文件上传到位于Google云端硬盘上的应用文件夹。运行下面的代码，用MNIST数据集训练一个简单的卷积神经网络：

!python3 drive/app/mnist_cnn.py 

从结果中可以看到，每个epoch只需要11秒。

6. 下载泰坦尼克数据集(.csv File)，显示前5行
想按照链接下载.csv文件到app文件夹，只需运行：

!wget https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/csv/datasets/Titanic.csv -P drive/app

也可以直接将.csv文件上传到app文件夹。然后读取app文件夹中的.csv文件，显示前5行：

import pandas as pd
titanic = pd.read_csv(“drive/app/Titanic.csv”)
titanic.head(5) 

7. Tips

- 如何安装库？
安装Keras：

!pip install -q keras
import keras

安装PyTorch：

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

安装OpenCV：

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

安装XGBoost：

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

安装GraphViz：

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

安装7zip Reader：

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

安装其他库：
用!pip install或者!apt-get install命令。

- GPU在干活么？
要查看你在Colab里是不是真的在用GPU，可以运行以下代码来交叉检查：

import tensorflow as tf
tf.test.gpu_device_name() 

如果显示上图的结果，就是在用GPU。

- 我在用哪个GPU？

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

其实现在，Colab只提供Tesla K80，所以你会看到下图这样的结果：

- RAM有多大？

!cat /proc/meminfo

- CPU呢？

!cat /proc/cpuinfo 

8.总结
好好学习，认真薅毛。温馨提示：自备梯子。各位小伙伴快去体验吧！欢迎在评论区留言提问。