Не так давно я начал использовать Colab для работы с Deep Learning. Мне не очень нравится его интерфейс, но мне нравится его GPU! Если вы студент или не уверены, нужно ли вам глубокое обучение или нет, но вы хотите попробовать его, не платя денег за дорогостоящий графический процессор на AWS, GCP или других облачных платформах, то вы попали в нужное место!

Вкратце, Google Colab - это блокнот Jupyter с бесплатным графическим процессором. Подробнее - https://colab.research.google.com. Используйте его для тренировки своих сетей, но, пожалуйста, не майните здесь биткойны!

Когда вы выполняете глубокое обучение в Google Colab, вам нужны данные для обучения. Есть два способа загрузить его в Colab: загрузить набор данных на Google Диск и затем импортировать его в записную книжку или просто загрузить данные прямо с локального компьютера. У Colab есть фрагменты кода для этих задач.

Я пробовал использовать оба. Но ни одно из этих решений не работает так, как я хочу. Если вы хотите использовать Google Диск для большого набора данных (например, Dogs vs Cats от Kaggle), вам следует загрузить zip-архивы с изображениями, а затем разархивировать их на Диск. Это занимает много времени! И даже если вы это сделаете, возможно, вам придется повозиться с импортом данных прямо в блокнот.

Таким образом, вы можете импортировать данные прямо из локальной системы. Но это тоже плохо работает.

Я думал, как просто и легко импортировать свои данные. И я решил сделать это с помощью git. Я загрузил требуемый набор данных на свой компьютер. Затем я создал новый репозиторий на GitLab (вы можете использовать GitHub, Bitbucket и т. Д.) И загрузил свои файлы в репо.

После этого я открыл блокнот Colab и клонировал в него репозиторий. Теперь у меня есть все необходимые данные. Это решение работает четко, и я могу получить свои файлы с помощью одной строчки кода!

Если вы хотите узнать больше о Jupyter Notebook (так же, как Colab), вы можете прочитать это классное руководство - Начало работы с Jupyter Notebook для Python.

Спасибо за прочтение!

Есть вопросы и комментарии! GitHub, Telegram, Twitter, Instagram, Facebook.