Làm quen với Google Colab

Post Reply
boco.cf
Posts: 13
Joined: Wed Apr 17, 2019 1:29 pm

Làm quen với Google Colab

Post by boco.cf »

Với những ai đang học và làm về Deep Learning thì việc có GPU sử dụng là điều cần thiết. GPU sẽ hỗ trợ bạn chạy những thuật toán Deep Learning. Và tất nhiên, thay vì chi tiền cho một GPU, bạn có thể tham khảo Google Colab. Đây thực sự là một điều tuyệt vời của Google khi cung cấp một service dựa trên Jupyter Notebooks và hỗ trợ GPU miễn phí. Điều này không chỉ là công cụ tuyệt vời giúp nâng cao khả năng code của bạn, mà nó còn cho phép người dùng phát triển các ứng dụng Deep Learning trên các thư viện phổ biến như PyTorch, TensorFlow, Keras, hay OpenCV.

Hom nay chúng ta sẽ tìm hiểu về Google Colab – nơi cung cấp GPU miễn phí.

Tất nhiên, phần mềm này cũng có một số hạn chế. Nó chỉ hỗ trợ trên Python 2.7 và 3.6, nhưng chưa hỗ trợ trên R và Scala. Ngoài ra, nó còn hạn chế về sessions và kích thước. Nhưng bạn có thể khắc phục điều này nếu bạn có thể xây dựng mô hình sáng tạo và nhớ đừng thường xuyên tải tập tin của bạn lên.

Google Colab thật sự tuyệt vời. Ngoài việc nâng cao kĩ năng code của bạn, hay thực hiện trên các thư viện Deep Learning PyTorch, Keras, TensorFlow, OpenCV, bạn còn có thể tạo một notebooks trên Colab, thực hiện các thao tác với notebooks đó như tải lên, lưu trữ, chia sẻ kể cả trên Google Drive. Bạn còn có thể sử dụng bất cứ thứ gì bạn lưu trữ trong notebooks như tải lên Jupyter cá nhân, GitHub, Kaggle….

Colab thực sự cung cấp những điều tuyệt vời cần thiết nhất có một người lập trình viên khi thực hiện Deep Learning.

Thực hiện trên Google Colab khá dễ dàng. Nếu bạn đã dùng Jupyter Notebooks thì Google Colab cũng tương tự.

Google Colab – thực hiện cài đặt trên Drive

Tạo một Folder cho Notebook của bạn

(Về mặt kỹ thuật, bước này có thể không thực sự cần thiết trong trường hợp bạn chỉ cần làm việc trên Colab. Tuy nhiên, khi bạn sử dụng Google Colab trên Drive, nó sẽ không phải là một ý tưởng tồi cho việc xác định thư mục nơi bạn muốn làm việc. Bạn có thể thực hiện bằng cách truy cập vào Google Drive, nhấn “New” để tạo ra một Folder mới. Tôi chỉ đề cập tới vấn đề này khi Google Drive của tôi gặp vấn đề và trông như có hàng triệu Colab Notebook cùng xuất hiện).

Image

Ngoài ra, bạn có thể tạo một Colab notebook trên Google Drive của bạn. Chỉ cần nhấp vào “New”, kéo xuống phần “More” và chọn ” Colaboratory “.

Image

Nếu không, bạn có thể trực tiếp truy cập Google Colab.

Khởi động

Bạn có thể đổi tên cho notebook của bạn bằng cách nhấp vào tên của notebook và thay đổi trực tiếp hay nhấn “File” trên thanh công cụ và tìm xuống phần “Rename”.

Image

Cài đặt GPU miễn phí

Khi bạn muốn sử dụng GPU, rất đơn giản. Bạn chỉ cần nhấp vào ” runtime ” trên thanh công cụ, chọn phần ” change runtime type ” và chọn GPU trong phần “hardware accelerator”.

Image

Bắt đầu Code

Bây giờ, bạn đã có thể dễ dàng thực hiện code rồi đó.

Cải tiến với Google Colab

Khi bạn muốn liên kết Google Drive, bạn có thể làm như sau:

Code: Select all

from google.colab import drive
drive.mount('/content/gdrive')
Sau đó, bạn sẽ thấy một đường link. Hãy nhấp vào nó và cho phép truy cập. Copy mã xuất hiện và paste vào ô, rồi nhấn enter. Bạn đã hoàn thành rồi đó. Trong trường hợp bạn không thấy Drive của bạn ở ô bên trái, bạn chỉ cần nhấn “refresh” và nó sẽ hiển thị ra. Kết quả của bạn sẽ có cấu trúc như sau:

Image

Giờ bạn đã có thể nhìn thấy Drive của bạn ngay bên trái màn hình. Ngoài ra, bạn có thể truy cập Drive của mình bất cứ lúc nào với:

!ls "/content/gdrive/My Drive/"

Nếu bạn muốn tải xuống một tệp zip, bạn có thể sử dụng:

!wget
!unzip

Ví dụ:

!wget -cq https://s3.amazonaws.com/content.udacit ... r_data.zip
!unzip -qq flower_data.zip

Với câu lệnh này, bạn sẽ có dữ liệu của file Udacity’s flower gần như ngay tức thì.

Nếu bạn tải lênmột file nhỏ, bạn có thể thực hiện lệnh tải lên ngay lập tức với các câu lệnh đơn giản. Hay một cách khác bạn có thể nhìn sang bên trái màn hình, nhấp vào “upload files”.

Image

Google Colab rất đơn giản trong việc sử dụng. Đặc biệt khi bạn đã quen với Notebook Jupyter. Tuy nhiên, bạn có thể mất thời chút thời gian nếu bạn có một khối lượng tệp lớn và lấy ra một vài thư mục cụ thể để làm việc.

Import các thư viện

Trong hầu hết các trường hợp bạn có thể thực hiện Import các thư viện bằng lệnh import như bạn thực hiện trên các phần mềm khác.

Image

Tuy nhiên, với PyTorch, trước khi import thư viện, bạn sẽ phải chạy câu lệnh này trước:

Code: Select all

# http://pytorch.org/
from os.path import exists
from wheel.pep425tags import get_abbr_impl, get_impl_ver, get_abi_tag
platform = '{}{}-{}'.format(get_abbr_impl(), get_impl_ver(), get_abi_tag())
cuda_output = !ldconfig -p|grep cudart.so|sed -e 's/.*\.\([0-9]*\)\.\([0-9]*\)$/cu\1\2/'
accelerator = cuda_output[0] if exists('/dev/nvidia0') else 'cpu'
!pip install -q http://download.pytorch.org/whl/{accelerator}/torch-0.4.1-{platform}-linux_x86_64.whl torchvision
import torch
Sau đó, bạn mới có thể thự hiện import . Nhưng nếu bạn cố gắng import torch mà chưa chạy câu lệnh trên, bạn sẽ nhận được thông báo về lỗi. Trong trường hợp này, tôi thực sự khuyên bạn nên nhấp vào link hiện lên. Sau khi nhấn, bạn sẽ nhận được một mã để bạn thực hiện cài đặt torch: “INSTALL TORCH” vào notebook của bạn. Mã sẽ xuất hiện ở bên trái màn hình của bạn, và sau đó nhấn “INSERT.”

Image

Image

Hay cách khác, bạn có thể thực hiện cài đặt với câu lệnh “pip install”.

Lưu ý, trên Colab, bạn cần có dấu chấm than trước hầu hết các câu lệnh.

!pip install -q keras
import keras

Hay:

!pip3 install torch torchvision

Hoặc:

!apt-get install

cũng rất hữu ích.

Với Pillow bạn có thể gặp lỗi và có thể sửa bằng cách:

import PIL
print(PIL.PILLOW_VERSION)

Trong trường hợp bạn nhận được bất cứ điêu nào dưới 5.3, hãy chạy ” runtime” ở thanh công cụ. Khởi động lại runtime rồi tiếp tục chạy câu lệnh.

Bạn có thể dễ dàng tạo một notebook mới bằng cách nhấn vào “File”, nhấn tới “New Python 3 Notebook.” Nếu bạn muốn mở một notebook cụ thể, nhấn “File”, rồi nhấn “Open notebook”.

Image

Bạn sẽ thấy màn hình xuất hiện như sau:

Image

Bạn có thể mở bất kì file nào trên Google Drive, GitHub, và bạn có thể tải notebook lên trên đây.

Tùy chọn trong GitHub rất tuyệt vời. Bạn có thể dễ dàng tìm kiếm một tổ chức hoặc cá nhân để tìm File. Trong trường hợp bạn không tìm thấy những gì bạn muốn tìm, bạn có thể search.

Image

Image

Image

Hãy luôn lưu dữ liệu

Lưu trữ là một việc đơn giản. Bạn có thể thực hiện “command-s” hay trong mục “File”, nhấn vào “Save”. Hoặc bạn có thể tạo một bản copy notebook của bạn bằng cách nhấn vào “File” -> “Save a Copy in Drive.” Bạn có thể tải xuống bằng cách “File” -> “download .ipyb” hay “download .py.”

Image

Trên đây là những điều cơ bản hướng dẫn bạn có thể thực hiện Google Colab và sử dụng GPU miễn phí.

Nếu bạn mới chỉ bắt đầu học AI, bạn có thể tham khảo một số trang sau:

How to effortlessly create a website for free with GitHub Pages (even if you don’t know what you’re doing)
The complete beginner’s guide to data cleaning and preprocessing
WTF is Image Classification?
Intro to Deep Learning: conquering neural networks for newbies, novices, and neophytes
How to build an image classifier with greater than 97% accuracy
Donate:
DGB address: D5SDMcJX6r1cJoPjWUfRj5BSfM2Y4Qvnzr

Post Reply