本教程由深度学习中文社区(Studydl.com)持续发布与更新, 本系列其余教程地址见文章末尾.

Colaboratory 是一个托管的 Jupyter 笔记本环境,可以免费使用,无需设置, 在国内需要科学上网才能正常访问。除此之外, 我还想在这里提供 5 个使用它的提示. 在后面的时间里我们会推出一系列的TensorFlow与PyTorch的入门教程, 希望大家多多转发与关注。

‍TensorFlow 已预先安装

在 colab.research.google.com 上创建新笔记本时,TensorFlow 已经预先安装并针对所使用的硬件进行了优化。执行 import tensorflow as tf,就可以开始编码。

‍在代码单元中设置库和数据依赖项

使用 !pip install 或 !apt-get 创建 cell。通过这种方式可以让其他人轻松地重现您的设置。要获取训练数据,可以使用这些热门数据源教程:BigQuery,Drive,Sheets 或 Google Cloud Storage。

与 Github 一起使用

如果你在 Github 上有一个很好的 ipynb,你可以很容易地为你的读者创建一键式链接。只需将您的 Github 路径添加到 colab.research.google.com/github/ 即可。例如,colab.research.google.com/github/tensorflow/tensor2tensor/blob/master/tensor2tensor/notebooks/hello_t2t.ipynb 将加载存储在 Github 上的此 ipynb。

你还可以通过 File > Save a copy to Github… 轻松地将 Colab 笔记本的副本保存到 Github。

‍共享和协同编辑

Colab 笔记本就像 Google Docs 和 Sheets。它们存储在 Google 云端硬盘中,可以通过协作方式进行共享,编辑和评论。只需单击笔记本右上角的 “共享” 按钮。

‍硬件加速

默认情况下,Colab 笔记本在 CPU 上运行。可以通过 Runtime > Change runtime type,然后选择 GPU 从而使 Colab 笔记本在 GPU 上运行。你也可以按照这些说明让 Colab 笔记本使用你的本地机器硬件。

TensorFlow入门系列教程往期文章地址:

TensorFlow入门教程(八):使用TensorFlow.js在浏览器上运行网络

TensorFlow入门教程(七):使用GPU加速你的训练过程

TensorFlow入门教程(六):使用TensorBoard可视化训练过程

TensorFlow入门教程(五):变量的创建、初始化、保存和加载

TensorFlow入门教程(四): 使用CNN提高MNIST数据集识别正确率

TensorFlow入门教程(三): 使用softmax回归模型识别MNIST数据集

TensorFlow入门教程(二): 构建神经网络分类器,对鸢尾花进行分类

TensorFlow入门教程(一): 变量,图与会话的基本用法

从零开始搭建深度学习服务器:TensorFlow PyTorch Torch

深度学习入门系列教程:通过Colab快速的学习和使用TensorFlow-深度学习中文社区