在 Google Colab 中快速实践深度学习

摘要：本文很多是对于官方系列的总结，更多人工智能与深度学习相关知识参考人工智能与深度学习实战系列文章。借助，我们可以在浏览器中编写和执行代码保存和共享分析结果，以及利用强大的计算资源，包含与来运行我们的实验代码。

本文很多是对于 Colab 官方 Welcome 系列的总结，更多人工智能与深度学习相关知识参考人工智能与深度学习实战 https://github.com/wx-chevalier/AIDL-Series 系列文章。

Colaboratory 是一个免费的 Jupyter 笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。借助 Colaboratory，我们可以在浏览器中编写和执行代码、保存和共享分析结果，以及利用强大的计算资源，包含 GPU 与 TPU 来运行我们的实验代码。

Colab 能够方便地与 Google Driver 与 Github 链接，我们可以使用 Open in Colab 插件快速打开 Github 上的 Notebook，或者使用类似于 https://colab.research.google... 这样的链接打开。如果需要将 Notebook 保存回 Github，直接使用 File→Save a copy to GitHub 即可。譬如笔者所有与 Colab 相关的代码归置在了 AIDL-Workbench/colab。

Colab 提供了便捷的依赖安装功能，允许使用 pip 或者 apt-get 命令进行安装：

# Importing a library that is not in Colaboratory
!pip install -q matplotlib-venn
!apt-get -qq install -y libfluidsynth1

# Upgrading TensorFlow
# To determine which version you"re using:
!pip show tensorflow

# For the current version:
!pip install --upgrade tensorflow

# For a specific version:
!pip install tensorflow==1.2

# For the latest nightly build:
!pip install tf-nightly

# Install Pytorch
from os import path
from wheel.pep425tags import get_abbr_impl, get_impl_ver, get_abi_tag
platform = "{}{}-{}".format(get_abbr_impl(), get_impl_ver(), get_abi_tag())

accelerator = "cu80" if path.exists("/opt/bin/nvidia-smi") else "cpu"

!pip install -q http://download.pytorch.org/whl/{accelerator}/torch-0.4.0-{platform}-linux_x86_64.whl torchvision

# Install 7zip reader libarchive
# https://pypi.python.org/pypi/libarchive
!apt-get -qq install -y libarchive-dev && pip install -q -U libarchive
import libarchive

# Install GraphViz & PyDot
# https://pypi.python.org/pypi/pydot
!apt-get -qq install -y graphviz && pip install -q pydot
import pydot

# Install cartopy
!apt-get -qq install python-cartopy python3-cartopy
import cartopy

在 Colab 中还可以设置环境变量：

%env KAGGLE_USERNAME=abcdefgh

我们可以通过如下方式查看 Colab 为我们提供的硬件：

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

!ls /proc
# CPU信息
!cat /proc/cpuinfo
# 内存
!cat /proc/meminfo
# 版本
!cat /proc/version
# 设备
!cat /proc/devices
# 空间
!df

如果需要为 Notebook 启动 GPU 支持：Click Edit->notebook settings->hardware accelerator->GPU，然后在代码中判断是否有可用的 GPU 设备：

import tensorflow as tf
device_name = tf.test.gpu_device_name()
if device_name != "/device:GPU:0":
  raise SystemError("GPU device not found")
print("Found GPU at: {}".format(device_name))

我们可以通过构建经典的 CNN 卷积层来比较 GPU 与 CPU 在运算上的差异：

import tensorflow as tf
import timeit

# See https://www.tensorflow.org/tutorials/using_gpu#allowing_gpu_memory_growth
config = tf.ConfigProto()
config.gpu_options.allow_growth = True

with tf.device("/cpu:0"):
  random_image_cpu = tf.random_normal((100, 100, 100, 3))
  net_cpu = tf.layers.conv2d(random_image_cpu, 32, 7)
  net_cpu = tf.reduce_sum(net_cpu)

with tf.device("/gpu:0"):
  random_image_gpu = tf.random_normal((100, 100, 100, 3))
  net_gpu = tf.layers.conv2d(random_image_gpu, 32, 7)
  net_gpu = tf.reduce_sum(net_gpu)

sess = tf.Session(config=config)

# Test execution once to detect errors early.
try:
  sess.run(tf.global_variables_initializer())
except tf.errors.InvalidArgumentError:
  print(
      "

This error most likely means that this notebook is not "
      "configured to use a GPU.  Change this in Notebook Settings via the "
      "command palette (cmd/ctrl-shift-P) or the Edit menu.

")
  raise

def cpu():
  sess.run(net_cpu)

def gpu():
  sess.run(net_gpu)

# Runs the op several times.
print("Time (s) to convolve 32x7x7x3 filter over random 100x100x100x3 images "
      "(batch x height x width x channel). Sum of ten runs.")
print("CPU (s):")
cpu_time = timeit.timeit("cpu()", number=10, setup="from __main__ import cpu")
print(cpu_time)
print("GPU (s):")
gpu_time = timeit.timeit("gpu()", number=10, setup="from __main__ import gpu")
print(gpu_time)
print("GPU speedup over CPU: {}x".format(int(cpu_time/gpu_time)))

sess.close()

Colab 还支持直接将 Notebook 连接到本地的 Jupyter 服务器以运行，首先需要启用 jupyter_http_over_ws 扩展程序：

pip install jupyter_http_over_ws
jupyter serverextension enable --py jupyter_http_over_ws

然后在正常方式启动 Jupyter 服务器，设置一个标记来明确表明信任来自 Colaboratory 前端的 WebSocket 连接：

jupyter notebook 
  --NotebookApp.allow_origin="https://colab.research.google.com" 
  --port=8888 
  --NotebookApp.port_retries=0

然后在 Colab 的 Notebook 中选择连接到本地代码执行程序即可。

Colab 中的 notebook 和 py 文件默认都是以 /content/ 作为工作目录，需要执行一下命令手动切换工作目录，例如：

import os

path = "/content/drive/colab-notebook/lesson1-week2/assignment2"
os.chdir(path)
os.listdir(path)

在过去进行实验的时候，大量训练与测试数据的获取、存储与加载一直是令人头疼的问题；在 Colab 中，笔者将 Awesome DataSets https://url.wx-coder.cn/FqwyP) 中的相关数据通过 AIDL-Workbench/datasets 中的脚本持久化存储在 Google Driver 中。

在 Colab 中我们可以将 Google Driver 挂载到当的工作路径：

from google.colab import drive
drive.mount("/content/drive")

print("Files in Drive:")
!ls /content/drive/"My Drive"

然后通过正常的 Linux Shell 命令来创建与操作：

# Working with files
# Create directories for the new project
!mkdir -p drive/kaggle/talkingdata-adtracking-fraud-detection

!mkdir -p drive/kaggle/talkingdata-adtracking-fraud-detection/input/train
!mkdir -p drive/kaggle/talkingdata-adtracking-fraud-detection/input/test
!mkdir -p drive/kaggle/talkingdata-adtracking-fraud-detection/input/valid

# Download files
!wget -O /content/drive/"My Drive"/Data/fashion_mnist/train-images-idx3-ubyte.gz http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz

# Download and Unzip files
%env DIR=/content/drive/My Drive/Data/animals/cats_and_dogs

!rm -rf "$DIR"
!mkdir -pv "$DIR"
!wget -O "$DIR"/Cat_Dog_data.zip https://s3.amazonaws.com/content.udacity-data.com/nd089/Cat_Dog_data.zip

# remove existing directories
!(cd "$DIR" && unzip -qqj Cat_Dog_data.zip -d .)

Colab 允许我们上传 Python 文件到工作目录下，或者加载 Google Driver 中的 Python：

# Import modules
import imp
helper = imp.new_module("helper")
exec(open("drive/path/to/helper.py").read(), helper.__dict__)

fc_model = imp.new_module("fc_model")
exec(open("pytorch-challenge/deep-learning-v2-pytorch/intro-to-pytorch/fc_model.py").read(), fc_model.__dict__)

Colab 还允许我们在运行脚本时候直接从本地文件上传，或者将生成的模型下载到本地文件：

from google.colab import files

# Upload file
uploaded = files.upload()

for fn in uploaded.keys():
  print("User uploaded file "{name}" with length {length} bytes".format(
      name=fn, length=len(uploaded[fn])))

# Download file
with open("example.txt", "w") as f:
  f.write("some content")

files.download("example.txt")

如果我们使用了 BigQuery 提供了大数据的查询与管理功能，那么在 Colab 中也可以直接引入 BigQuery 中的数据源：

from google.cloud import bigquery

client = bigquery.Client(project=project_id)

sample_count = 2000
row_count = client.query("""
  SELECT
    COUNT(*) as total
  FROM `bigquery-public-data.samples.gsod`""").to_dataframe().total[0]

df = client.query("""
  SELECT
    *
  FROM
    `bigquery-public-data.samples.gsod`
  WHERE RAND() < %d/%d
""" % (sample_count, row_count)).to_dataframe()

print("Full dataset has %d rows" % row_count)

Colab 为我们提供了 Grid 以及 Tab 控件，来便于我们构建简单的图表布局：

import numpy as np
import random
import time
from matplotlib import pylab
grid = widgets.Grid(2, 2)
for i in range(20):
  with grid.output_to(random.randint(0, 1), random.randint(0, 1)):
    grid.clear_cell()
    pylab.figure(figsize=(2, 2))
    pylab.plot(np.random.random((10, 1)))
  time.sleep(0.5)

TabBar 提供了页签化的布局：

from __future__ import print_function

from google.colab import widgets
from google.colab import output
from matplotlib import pylab
from six.moves import zip


def create_tab(location):
  tb = widgets.TabBar(["a", "b"], location=location)
  with tb.output_to("a"):
    pylab.figure(figsize=(3, 3))
    pylab.plot([1, 2, 3])
  # Note you can access tab by its name (if they are unique), or
  # by its index.
  with tb.output_to(1):
    pylab.figure(figsize=(3, 3))
    pylab.plot([3, 2, 3])
    pylab.show()


print("Different orientations for tabs")

positions = ["start", "bottom", "end", "top"]

for p, _ in zip(positions, widgets.Grid(1, 4)):
  print("---- %s ---" % p)
  create_tab(p)

值得称道的是，Colab 还提供了可交互的表单式组件，来方便我们构建可动态输入的应用：

#@title String fields

text = "value" #@param {type:"string"}
dropdown = "1st option" #@param ["1st option", "2nd option", "3rd option"]
text_and_dropdown = "2nd option" #@param ["1st option", "2nd option", "3rd option"] {allow-input: true}

print(text)
print(dropdown)
print(text_and_dropdown)

人工智能与深度学习实战 https://github.com/wx-chevalier/AIDL-Series

AIDL-Workbench | 代码实践 https://github.com/wx-chevalier/AIDL-Workbench

Awesome DataScienceAI Lists https://parg.co/4B0

现代 Python 开发：语法基础与工程实践 https://url.wx-coder.cn/0xsNK