Google Colab 在 Jupyter Notebook 上的用例?
Use case of Google Colab over Jupyter Notebook?
使用 Google Colab 的用例是什么?我的意思是我理解它与 Tensorflow 配合得很好,但为什么有人会更喜欢它而不是 Jupyter notebook?
我使用 Colab 的原因
- 在任何计算机上工作。所有笔记本都保存在 Google 驱动器中。
- 不必担心
conda create env
会使您的目录混乱
- 轻松分享给某人或所有人。就像 Google 医生
- 自动历史记录和版本控制
- 免费 GPU(以及截至 2018-09-29 的 TPU)
- 表单小部件简单易用
- 良好的默认值
%matplotlib inline
不需要
- 可折叠大纲(无需安装)
- 更干净的界面(我更喜欢它而不是普通的 Jupyter)
我在 non-programming 工作,我不想在我的工作计算机上安装所有东西来为 Jupyter 设置它。使用 Google Colab,我可以直接开始工作而无需进行任何安装,并与无法自行安装任何东西的 non-technical co-workers 分享我的脚本。
更棒的是,您可以免费连续使用 GPU 12 小时!这对于数据科学领域的应用尤其是在资源匮乏的社区中非常有用。
顾名思义,Google Colab 在产品中提供 collaboration
支持。它也在 Google 服务器上 运行s,你不需要安装任何东西。此外,笔记本会保存到您的 Google Drive
帐户。
如果您只是玩玩或在 personal projects
上工作,Jupyter 可以正常工作。如果您想构建 commercial-grade models
并将它们部署到生产环境,Codelab 提供您需要的全生命周期方法。
保存到 Google 驱动器,这样您就可以在 once.Collapsible 部分和部分树中共享并让多人处理同一文档。
滑块等交互式小部件。
Scratch cell:
用于 运行 测试代码但未保存在笔记本中的单元格。
代码片段
pdb debugger support
然而,运行时间更加有限,因为 Jupyter 只是一个网络 UI 到一台机器,您可以在其上实际安装任何您需要的东西
Google Codelab 是一个 full-lifecycle workbench
可以帮助您 build/deploy/scale 您的模型,而笔记本无法做到这一点。
使用 Codelab,您 can prototype your model locally with scikit-learn
或 TensorFlow
然后将其移动 to/train在云中拥有庞大的数据集。
而 Jupyter 是 Colaboratory 所基于的开源项目。 Colaboratory 允许您使用 Jupyter notebook 并与他人共享,而无需在您自己的计算机上下载、安装或 运行 除浏览器以外的任何内容。
除此之外,它还有一整套用于与其他云服务交互的库,尤其是 BigQuery
.
使用 Google Colab 的用例是什么?我的意思是我理解它与 Tensorflow 配合得很好,但为什么有人会更喜欢它而不是 Jupyter notebook?
我使用 Colab 的原因
- 在任何计算机上工作。所有笔记本都保存在 Google 驱动器中。
- 不必担心
conda create env
会使您的目录混乱 - 轻松分享给某人或所有人。就像 Google 医生
- 自动历史记录和版本控制
- 免费 GPU(以及截至 2018-09-29 的 TPU)
- 表单小部件简单易用
- 良好的默认值
%matplotlib inline
不需要- 可折叠大纲(无需安装)
- 更干净的界面(我更喜欢它而不是普通的 Jupyter)
我在 non-programming 工作,我不想在我的工作计算机上安装所有东西来为 Jupyter 设置它。使用 Google Colab,我可以直接开始工作而无需进行任何安装,并与无法自行安装任何东西的 non-technical co-workers 分享我的脚本。
更棒的是,您可以免费连续使用 GPU 12 小时!这对于数据科学领域的应用尤其是在资源匮乏的社区中非常有用。
顾名思义,Google Colab 在产品中提供 collaboration
支持。它也在 Google 服务器上 运行s,你不需要安装任何东西。此外,笔记本会保存到您的 Google Drive
帐户。
如果您只是玩玩或在 personal projects
上工作,Jupyter 可以正常工作。如果您想构建 commercial-grade models
并将它们部署到生产环境,Codelab 提供您需要的全生命周期方法。
保存到 Google 驱动器,这样您就可以在 once.Collapsible 部分和部分树中共享并让多人处理同一文档。 滑块等交互式小部件。
Scratch cell:
用于 运行 测试代码但未保存在笔记本中的单元格。
代码片段
pdb debugger support
然而,运行时间更加有限,因为 Jupyter 只是一个网络 UI 到一台机器,您可以在其上实际安装任何您需要的东西
Google Codelab 是一个 full-lifecycle workbench
可以帮助您 build/deploy/scale 您的模型,而笔记本无法做到这一点。
使用 Codelab,您 can prototype your model locally with scikit-learn
或 TensorFlow
然后将其移动 to/train在云中拥有庞大的数据集。
而 Jupyter 是 Colaboratory 所基于的开源项目。 Colaboratory 允许您使用 Jupyter notebook 并与他人共享,而无需在您自己的计算机上下载、安装或 运行 除浏览器以外的任何内容。
除此之外,它还有一整套用于与其他云服务交互的库,尤其是 BigQuery
.