在Colab中使用TensorFlow

Google Colab是谷歌的免费在线交互式Python运行环境，且提供GPU支持，使得机器学习开发者们无需在自己的电脑上安装环境，就能随时随地从云端访问和运行自己的机器学习代码。

学习资源

• Colab官方教程

• Google Colab Free GPU Tutorial （中文翻译）

进入Colab（https://colab.research.google.com），新建一个Python3笔记本，界面如下：

如果需要使用GPU，则点击菜单“代码执行程序-更改运行时类型”，在“硬件加速器”一项中选择“GPU”，如下图所示：

我们在主界面输入一行代码，例如 import tensorflow as tf ，然后按 ctrl + enter 执行代码（如果直接按下 enter 是换行，可以一次输入多行代码并运行）。此时Colab会自动连接到云端的运行环境，并将状态显示在右上角。

运行完后，点击界面左上角的“+代码”，此时界面上会新增一个输入框，我们输入 tf.version ，再次按下 ctrl + enter 执行代码，以查看Colab默认的TensorFlow版本，执行情况如下：

小技巧

Colab支持代码提示，可以在输入 tf. 后按下 tab 键，即会弹出代码提示的下拉菜单。

可见，截至本文写作时，Colab中的TensorFlow默认版本是1.14.0。在Colab中，可以使用 !pip install 或者 !apt-get install 来安装Colab中尚未安装的Python库或Linux软件包。比如在这里，我们希望使用TensorFlow 2.0 beta1版本，即点击左上角的“+代码”，输入:

!pip install tensorflow-gpu==2.0.0-beta1

按下 ctrl + enter 执行，结果如下：

可见，Colab提示我们重启运行环境以使用新安装的TensorFlow版本。于是我们点击运行框最下方的Restart Runtime（或者菜单“代码执行程序-重新启动代码执行程序”），然后再次导入TensorFlow并查看版本，结果如下：

我们可以使用 tf.test.is_gpu_available 函数来查看当前环境的GPU是否可用：

可见，我们成功在Colab中配置了TensorFlow 2.0环境并启用了GPU支持。

你甚至可以通过 !nvidia-smi 查看当前的GPU信息：

可见GPU的型号为Tesla T4。