如何在免費雲端執行 Python 深度學習框架？

先說一下哦，結尾有福利！你懂的～

熱愛學習的你是否有過這樣的經歷：

想自己動手搭建神經網路，卻不知選擇哪種工具？
想配置深度學習框架 TensorFlow，卻被複雜的配置步驟所困擾？
想使用 GPU 加速訓練，卻經費有限無法實現高配置？
······

試想一下，如果有個免費的線上雲端平臺，既可以不用安裝 TensorFlow 直接使用，又可以實現 GPU 加速訓練，那該是多好的一件事情。你沒聽錯，這種好事確實存在！今天，紅色石頭就給大家放送一波福利，重磅介紹一個谷歌推出的免費的雲端工具：Colaboratory。

我們先來看一下對 Colaboratory 的介紹：

Colaboratory 是一個 Google 研究專案，旨在幫助傳播機器學習培訓和研究成果。它是一個 Jupyter 筆記本環境，不需要進行任何設定就可以使用，並且完全在雲端執行。Colaboratory 筆記本儲存在 Google 雲端硬碟中，並且可以共享，就如同您使用 Google 文件或表格一樣。Colaboratory 可免費使用。

也就是說，Colaboratory 儲存在 Google 雲端硬碟中，我們可以在 Google 雲端硬碟裡直接編寫 Jupyter Notebook，線上使用深度學習框架 TensorFlow 並訓練我們的神經網路了。超炫！

1. Google 雲端硬碟

首先，開啟谷歌，使用郵箱登陸你的 Google 賬號（沒有帳號的使用郵箱註冊一個就行）。

登入 Google 賬號之後，在頁面右上角的 Google 應用裡就可進入雲端硬碟裡。

Google 硬碟真是良心啊，每個人都有 15 G 的免費空間可以使用。如果覺得空間不夠的話可以升級，當然紅色石頭覺得 15 G 已經妥妥夠了。

2. 關聯 Colaboratory

進入 Google 雲端硬碟之後，需要關聯 Colaboratory。點選我的雲端硬碟 -> 更多 -> 關聯更多應用。我已經關聯了 Colaboratory。

然後，搜尋並找到 Colaboratory，然後關聯。

當然，另一種關聯方法是新建資料夾，對單個資料夾關聯 Colaboratory。但是這樣每次新建資料夾都需要重新關聯一次，比較麻煩。直接對雲端硬碟進行關聯可以實現一勞永逸！

這樣，Google 雲端硬碟就完成了與 Colaboratory 的關聯，我們就可以使用 Colaboratory 了。很簡單是不是？

3. 建立 Colaboratory 筆記本

關聯 Colaboratory 之後，新建資料夾（以 app 為例）。

然後進入 app 資料夾，空白處右鍵點選更多 -> Colaboratory，即可建立 Jupyter Notebook。

透過點選檔名實現重新命名，例如重新命名為 test.ipynb。

4. 使用 Colaboratory（重點）

首先是配置 Colaboratory，這一步非常重要也是非常強大的。點選修改 -> 筆記本設定。

在筆記本設定中，我們可以選擇使用 Python 2 還是 Python 3。更重要的，可以選擇使用 GPU 硬體加速。設定完畢後點選儲存。

然後，我們就可以在 Jupyter Notebook 裡任意寫我們的程式碼和註釋文件了。Colaboratory 本身就是一種資料分析工具，可將文字、程式碼和程式碼輸出內容合併到一個協作文件中。對於 Jupyter Notebook 語法不太清楚的可以查閱以下教程：

Jupyter notebook入門教程（上）

Jupyter notebook入門教程（下）

下面重點介紹如何使用 Colaoratory 執行 TensorFlow 程式碼。下面的示例展示了兩個矩陣相加的情況。

直接在 Jupyter Notebook 程式碼單元格中輸入以下程式碼：

import tensorflow as tf
import numpy as np

with tf.Session():
 input1 = tf.constant(1.0, shape=[2, 3])
 input2 = tf.constant(np.reshape(np.arange(1.0, 7.0, dtype=np.float32), (2, 3)))
 output = tf.add(input1, input2)
 result = output.eval()

result

Shift + Enter 執行，即可輸出內容：

array([[2., 3., 4.],
[5., 6., 7.]], dtype=float32)

Colaboratory 已經包含了很多已被廣泛使用的庫（例如 matplotlib），因而能夠簡化資料的視覺化過程。

import matplotlib.pyplot as plt

x = np.arange(20)
y = [x_i + np.random.randn(1) for x_i in x]
a, b = np.polyfit(x, y, 1)
plt.plot(x, y, 'o', np.arange(20), a*np.arange(20)+b, '-');