Jupyter Notebookを介したGoogle Colabの使用例
Google Colabの使用例とは何ですか？つまり、Tensorflowでうまくゲル化することを理解していますが、Jupyterノートブックよりもそれを好むのはなぜですか？
Colabを使用する理由
- どのコンピューターからでも作業できます。すべてのノートブックはGoogleドライブに保存されます。
conda create envがディレクトリを乱雑にすることを心配する必要はありません。- 誰か、または誰とでも簡単に共有できます。 Googleドキュメントのように。
- 自動履歴とバージョン管理
- 無料のGPU（および2018-09-29現在のTPU）
- フォームウィジェットはシンプルで使いやすい
- 適切なデフォルト
%matplotlib inlineは不要です- 折りたたみ可能なアウトライン（インストールする必要はありません）
- よりクリーンなインターフェース（Vanilla Jupyterよりも好みです）
私はプログラミング以外の仕事をしています。仕事用コンピューターにJupyter用にセットアップするためにすべてをインストールしたくありません。 Google Colabを使用すると、インストールを行うことなく作業を開始でき、自分でスクリプトを共有することはできません。
さらに良いことに、GPUに12時間無料で継続的にアクセスできます！これは、特にリソースのあるコミュニティでデータサイエンスに取り組む際に非常に役立ちます。
名前が示すように、Google Colabにはcollaborationが付属しています。また、Googleサーバーで実行され、何もインストールする必要はありません。さらに、ノートブックはGoogle Driveアカウント。
遊んでいるだけで作業している場合personal projects、Jupyterは正常に動作します。ビルドする場合commercial-grade modelsそしてそれらを本番環境に展開すると、Codelabは必要なライフサイクル全体のアプローチを提供します。
Googleドライブに保存します。これにより、複数のユーザーが同じドキュメントを一度に共有して作業することもできます。折りたたみ可能なセクションとセクションツリー。スライダーのようなインタラクティブなウィジェット。
Scratch cell:テストコードを実行するがノートブックには保存されないセル。コードスニペット
pdb debugger support
ただし、Jupyterは必要なものを実際にインストールできるマシンの単なるWeb UIであるため、ランタイムははるかに制限されています
Google Codelabはfull-lifecycle workbenchこれは、ノートブックだけではできない方法でモデルを構築/展開/スケーリングするのに役立ちます。
Codelabでは、can prototype your model locally with scikit-learnまたはTensorFlowそして、巨大なデータセットでクラウドに移動/トレーニングします。
Jupyterは、Colaboratoryのベースとなるオープンソースプロジェクトです。 Colaboratoryを使用すると、ブラウザ以外のコンピューターで何かをダウンロード、インストール、実行することなく、Jupyterノートブックを他のユーザーと使用および共有できます。
さらに、他のクラウドサービス、特にBigQueryとやり取りするためのライブラリがすべて揃っています。