Google Colab - Panduan Cepat
Google cukup agresif dalam penelitian AI. Selama bertahun-tahun, Google mengembangkan kerangka kerja AI yang disebutTensorFlow dan alat pengembangan bernama Colaboratory. Saat ini TensorFlow adalah open source dan sejak 2017, Google membuat Colaboratory gratis untuk penggunaan publik. Colaboratory sekarang dikenal sebagai Google Colab atau sederhananyaColab.
Fitur menarik lainnya yang ditawarkan Google kepada para pengembang adalah penggunaan GPU. Colab mendukung GPU dan sepenuhnya gratis. Alasan membuatnya gratis untuk umum mungkin karena menjadikan perangkat lunaknya sebagai standar di bidang akademik untuk pengajaran machine learning dan ilmu data. Ini juga mungkin memiliki perspektif jangka panjang dalam membangun basis pelanggan untuk Google Cloud API yang dijual per penggunaan.
Terlepas dari alasannya, pengenalan Colab telah memudahkan pembelajaran dan pengembangan aplikasi pembelajaran mesin.
Jadi, mari kita mulai dengan Colab.
Jika sudah pernah digunakan Jupyternotebook sebelumnya, Anda akan segera belajar menggunakan Google Colab. Tepatnya, Colab adalah lingkungan notebook Jupyter gratis yang berjalan sepenuhnya di cloud. Yang terpenting, ini tidak memerlukan penyiapan dan buku catatan yang Anda buat dapat diedit secara bersamaan oleh anggota tim Anda - seperti Anda mengedit dokumen di Google Docs. Colab mendukung banyak pustaka pembelajaran mesin populer yang dapat dengan mudah dimuat di notebook Anda.
Apa Colab Menawarkan Anda?
Sebagai programmer, Anda dapat melakukan hal berikut menggunakan Google Colab.
Tulis dan jalankan kode dengan Python
Dokumentasikan kode Anda yang mendukung persamaan matematika
Buat / Unggah / Bagikan buku catatan
Impor / Simpan notebook dari / ke Google Drive
Impor / Publikasikan buku catatan dari GitHub
Impor set data eksternal misalnya dari Kaggle
Integrasikan PyTorch, TensorFlow, Keras, OpenCV
Layanan Cloud gratis dengan GPU gratis
Dalam bab ini, Anda akan membuat dan menjalankan buku catatan sepele pertama Anda. Ikuti langkah-langkah yang telah diberikan dimanapun dibutuhkan.
Note - Karena Colab secara implisit menggunakan Google Drive untuk menyimpan buku catatan Anda, pastikan Anda masuk ke akun Google Drive sebelum melanjutkan lebih jauh.
Step 1 - Buka URL berikut di browser Anda - https://colab.research.google.com Browser Anda akan menampilkan layar berikut (dengan asumsi Anda masuk ke Google Drive Anda) -
Step 2 - Klik di NEW PYTHON 3 NOTEBOOKtautan di bagian bawah layar. Buku catatan baru akan terbuka seperti yang ditunjukkan pada layar di bawah ini.
Seperti yang mungkin Anda perhatikan, antarmuka notebook sangat mirip dengan yang disediakan di Jupyter. Ada jendela kode di mana Anda akan memasukkan kode Python Anda.
Mengatur Nama Notebook
Secara default, notebook menggunakan konvensi penamaan UntitledXX.ipynb. Untuk mengganti nama buku catatan, klik nama ini dan ketik nama yang diinginkan di kotak edit seperti yang ditunjukkan di sini -
Kami akan menyebut notebook ini sebagai MyFirstColabNotebook. Jadi ketik nama ini di kotak edit dan tekan ENTER. Buku catatan akan mendapatkan nama yang Anda berikan sekarang.
Memasukkan Kode
Anda sekarang akan memasukkan kode Python sepele di jendela kode dan menjalankannya.
Masukkan dua pernyataan Python berikut di jendela kode -
import time
print(time.ctime())Kode Pelaksana
Untuk menjalankan kode, klik panah di sisi kiri jendela kode.
Setelah beberapa saat, Anda akan melihat hasilnya di bawah jendela kode, seperti yang ditunjukkan di sini -
Mon Jun 17 05:58:40 2019Anda dapat menghapus keluaran kapan saja dengan mengklik ikon di sisi kiri tampilan keluaran.
Menambahkan Sel Kode
Untuk menambahkan lebih banyak kode ke buku catatan Anda, pilih yang berikut ini menu pilihan -
Insert / Code CellAtau, cukup arahkan mouse ke bagian tengah bawah sel Kode. KetikaCODE dan TEXTtombol muncul, klik pada KODE untuk menambahkan sel baru. Ini ditunjukkan pada gambar di bawah -
Sel kode baru akan ditambahkan di bawah sel saat ini. Tambahkan dua pernyataan berikut di jendela kode yang baru dibuat -
time.sleep(5)
print (time.ctime())Sekarang, jika Anda menjalankan sel ini, Anda akan melihat output berikut -
Mon Jun 17 04:50:27 2019Tentu saja, perbedaan waktu antara kedua string waktu tersebut bukanlah 5 detik. Ini terlihat jelas karena Anda memang meluangkan waktu untuk memasukkan kode baru. Colab memungkinkan Anda menjalankan semua kode di dalam notebook Anda tanpa gangguan.
Jalankan Semua
Untuk menjalankan seluruh kode di notebook Anda tanpa gangguan, jalankan opsi menu berikut -
Runtime / Reset and run all…Ini akan memberi Anda output seperti yang ditunjukkan di bawah ini -
Perhatikan bahwa perbedaan waktu antara kedua keluaran sekarang tepat 5 detik.
Tindakan di atas juga dapat dimulai dengan menjalankan dua opsi menu berikut -
Runtime / Restart runtime…atau
Runtime / Restart all runtimes…Diikuti oleh
Runtime / Run allPelajari opsi menu yang berbeda di bawah Runtime menu agar Anda terbiasa dengan berbagai opsi yang tersedia bagi Anda untuk menjalankan notebook.
Mengubah Urutan Sel
Saat buku catatan Anda berisi sejumlah besar sel kode, Anda mungkin menemukan situasi di mana Anda ingin mengubah urutan eksekusi sel ini. Anda dapat melakukannya dengan memilih sel yang ingin Anda pindahkan dan mengklikUP CELL atau DOWN CELL tombol yang ditunjukkan pada tangkapan layar berikut -
Anda dapat mengklik tombol beberapa kali untuk memindahkan sel ke lebih dari satu posisi.
Menghapus Sel
Selama pengembangan proyek Anda, Anda mungkin telah memperkenalkan beberapa sel yang sekarang tidak diinginkan di notebook Anda. Anda dapat menghapus sel tersebut dari proyek Anda dengan mudah dengan satu klik. Klik pada ikon titik-titik vertikal di sudut kanan atas sel kode Anda.
Klik pada Delete cell opsi dan sel saat ini akan dihapus.
Sekarang, karena Anda telah mempelajari cara menjalankan buku catatan yang sepele, mari kita jelajahi kemampuan lain dari Colab.
Karena sel kode mendukung sintaks Python penuh, Anda dapat menggunakan Python commentsdi jendela kode untuk mendeskripsikan kode Anda. Namun, seringkali Anda membutuhkan lebih dari sekedar komentar berbasis teks sederhana untuk menggambarkan algoritma ML. ML banyak menggunakan matematika dan untuk menjelaskan istilah dan persamaan tersebut kepada pembaca Anda, Anda memerlukan editor yang mendukung LaTex - bahasa untuk representasi matematika. Colab menyediakanText Cells untuk tujuan ini.
Sel teks yang berisi beberapa persamaan matematika yang biasanya digunakan dalam ML ditunjukkan pada gambar di bawah -
Saat kita melanjutkan bab ini, kita akan melihat kode untuk menghasilkan keluaran di atas.
Sel Teks diformat menggunakan markdown- bahasa markup sederhana. Sekarang, mari kita lihat cara menambahkan sel teks ke buku catatan Anda dan menambahkan beberapa teks yang berisi persamaan matematika.
Contoh Penurunan Harga
Mari kita lihat beberapa contoh sintaks bahasa markup untuk menunjukkan kemampuannya.
Ketik teks berikut di sel Teks.
This is **bold**.
This is *italic*.
This is ~strikethrough~.Output dari perintah di atas ditampilkan di sisi kanan Cell seperti yang ditunjukkan di sini.
Persamaan Matematika
Tambah sebuah Text Cell ke buku catatan Anda dan masukkan sintaks penurunan harga berikut di jendela teks -
$\sqrt{3x-1}+(1+x)^2$Anda akan melihat rendering langsung dari kode penurunan harga di panel sisi kanan sel teks. Ini ditunjukkan pada gambar di bawah -
Memukul Enter dan kode penurunan harga menghilang dari sel teks dan hanya keluaran yang ditampilkan yang ditampilkan.
Mari kita coba persamaan lain yang lebih rumit seperti yang ditunjukkan di sini -
$e^x = \sum_{i = 0}^\infty \frac{1}{i!}x^i$Keluaran yang diberikan ditampilkan di sini untuk referensi cepat Anda.
Kode untuk Persamaan Sampel
Berikut adalah kode untuk persamaan sampel yang ditunjukkan di tangkapan layar sebelumnya -
Constraints are
- $3x_1 + 6x_2 + x_3 =< 28$
- $7x_1 + 3x_2 + 2x_3 =< 37$
- $4x_1 + 5x_2 + 2x_3 =< 19$
- $x_1,x_2,x_3 >=0 $
The trial vector is calculated as follows:
- $u_i(t) = x_i(t) + \beta(\hat{x}(t) − x_i(t)) + \beta \sum_{k = 1}^{n_v}(x_{i1,k}(t) − x_{i2,k}(t))$
$f(x_1, x_2) = 20 + e - 20exp(-0.2 \sqrt {\frac {1}{n} (x_1^2 + x_2^2)}) - exp (\frac {1}{n}(cos(2\pi x_1) + cos(2\pi x_2))$
$x ∈ [-5, 5]$
>$A_{m,n} =
\begin{pmatrix}
a_{1,1} > a_{1,2} > \cdots > a_{1,n} \\
a_{2,1} > a_{2,2} > \cdots > a_{2,n} \\
\vdots > \vdots > \ddots > \vdots \\
a_{m,1} > a_{m,2} > \cdots > a_{m,n}
\end{pmatrix}$Menjelaskan sintaks markup lengkap berada di luar cakupan tutorial ini. Di bab selanjutnya, kita akan melihat bagaimana cara menyimpan pekerjaan Anda.
Colab memungkinkan Anda untuk menyimpan pekerjaan Anda ke Google Drive atau bahkan langsung ke repositori GitHub Anda.
Menyimpan ke Google Drive
Colab memungkinkan Anda untuk menyimpan pekerjaan Anda ke Google Drive Anda. Untuk menyimpan buku catatan Anda, pilih opsi menu berikut -
File / Save a copy in Drive…Anda akan melihat layar berikut -
Tindakan tersebut akan membuat salinan buku catatan Anda dan menyimpannya ke drive Anda. Nanti Anda dapat mengubah nama salinan tersebut ke nama pilihan Anda.
Menyimpan ke GitHub
Anda juga dapat menyimpan pekerjaan Anda ke repositori GitHub Anda dengan memilih opsi menu berikut -
File / Save a copy in GitHub...Pilihan menu ditunjukkan pada tangkapan layar berikut untuk referensi cepat Anda -
Anda harus menunggu sampai Anda melihat layar login ke GitHub.
Sekarang, masukkan kredensial Anda. Jika Anda tidak memiliki repositori, buat yang baru dan simpan proyek Anda seperti yang ditunjukkan pada gambar di bawah -
Di bab berikutnya, kita akan belajar bagaimana membagikan pekerjaan Anda dengan orang lain.
Untuk membagikan notebook yang telah Anda buat dengan rekan developer lain, Anda dapat membagikan salinan yang telah Anda buat di Google Drive Anda.
Untuk memublikasikan notebook ke audiens umum, Anda dapat membagikannya dari repositori GitHub Anda.
Ada satu cara lagi untuk membagikan pekerjaan Anda dan itu adalah dengan mengklik SHAREtautan di sudut kanan atas notebook Colab Anda. Ini akan membuka kotak berbagi seperti yang ditunjukkan di sini -
Anda dapat memasukkan ID email orang-orang yang ingin Anda bagikan dokumen saat ini. Anda dapat mengatur jenis akses dengan memilih dari tiga opsi yang ditampilkan di layar di atas.
Klik pada Get shareable linkopsi untuk mendapatkan URL notebook Anda. Anda akan menemukan opsi untuk siapa berbagi sebagai berikut -
Kelompok orang tertentu
Kolega di organisasi Anda
Siapapun yang memiliki tautan
Semua publik di web
Sekarang. Anda tahu cara membuat / menjalankan / menyimpan / membagikan buku catatan. Di sel Kode, kami menggunakan Python sejauh ini. Sel kode juga dapat digunakan untuk menjalankan perintah sistem. Ini dijelaskan selanjutnya.
Jupyter menyertakan pintasan untuk banyak operasi sistem umum. Sel Kode Colab mendukung fitur ini.
Perintah Sederhana
Masukkan kode berikut di sel Kode yang menggunakan perintah sistem echo.
message = 'A Great Tutorial on Colab by Tutorialspoint!'
greeting = !echo -e '$message\n$message'
greetingSekarang, jika Anda menjalankan sel, Anda akan melihat output berikut -
['A Great Tutorial on Colab by Tutorialspoint!', 'A Great Tutorial on Colab by Tutorialspoint!']Mendapatkan Data Jarak Jauh
Mari kita lihat contoh lain yang memuat dataset dari server jarak jauh. Ketik perintah berikut di sel Kode Anda -
!wget http://mlr.cs.umass.edu/ml/machine-learning-databases/adult/adult.data -P "/content/drive/My Drive/app"Jika Anda menjalankan kode, Anda akan melihat output berikut -
--2019-06-20 10:09:53-- http://mlr.cs.umass.edu/ml/machine-learning-databases/adult/adult.data
Resolving mlr.cs.umass.edu (mlr.cs.umass.edu)... 128.119.246.96
Connecting to mlr.cs.umass.edu (mlr.cs.umass.edu)|128.119.246.96|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: 3974305 (3.8M) [text/plain]
Saving to: ‘/content/drive/My Drive/app/adult.data.1’
adult.data.1 100%[===================>] 3.79M 1.74MB/s in 2.2s
2019-06-20 10:09:56 (1.74 MB/s) - ‘/content/drive/My Drive/app/adult.data.1’ saved [3974305/3974305]Seperti yang dikatakan pesan itu, file adult.data.1file sekarang ditambahkan ke drive Anda. Anda dapat memverifikasi ini dengan memeriksa konten folder dari drive Anda. Alternatifnya, ketik kode berikut di sel kode baru -
import pandas as pd
data = pd.read_csv("/content/drive/My Drive/app/adult.data.1")
data.head(5)Jalankan kode sekarang dan Anda akan melihat output berikut -
Demikian pula, sebagian besar perintah sistem dapat dipanggil di sel kode Anda dengan membuat perintah terlebih dahulu dengan Tanda Seru (!). Mari kita lihat contoh lain sebelum memberikan daftar lengkap perintah yang dapat Anda panggil.
Menggandakan Repositori Git
Anda dapat mengkloning seluruh repositori GitHub ke Colab menggunakan file gitperintah. Misalnya, untuk mengkloning tutorial keras, ketik perintah berikut di sel Kode -
!git clone https://github.com/wxs/keras-mnist-tutorial.gitSetelah perintah berhasil dijalankan, Anda akan melihat output berikut -
Cloning into 'keras-mnist-tutorial'...
remote: Enumerating objects: 26, done.
remote: Total 26 (delta 0), reused 0 (delta 0), pack-reused 26
Unpacking objects: 100% (26/26), done.Setelah repo di-clone, cari proyek Jupyter (misalnya MINST di keras.ipyab) di dalamnya, klik kanan pada nama file dan pilih Open With / Colaboratory opsi menu untuk membuka proyek di Colab.
Alias Sistem
Untuk mendapatkan daftar pintasan untuk operasi umum, jalankan perintah berikut -
!ls /binAnda akan melihat daftar di jendela keluaran seperti yang ditunjukkan di bawah ini -
bash* journalctl* sync*
bunzip2* kill* systemctl*
bzcat* kmod* systemd@
bzcmp@ less* systemd-ask-password*
bzdiff* lessecho* systemd-escape*
bzegrep@ lessfile@ systemd-hwdb*
bzexe* lesskey* systemd-inhibit*
bzfgrep@ lesspipe* systemd-machine-id-setup*
bzgrep* ln* systemd-notify*
bzip2* login* systemd-sysusers*
bzip2recover* loginctl* systemd-tmpfiles*
bzless@ ls* systemd-tty-ask-password-agent*
bzmore* lsblk* tar*
cat* lsmod@ tempfile*
chgrp* mkdir* touch*
chmod* mknod* true*
chown* mktemp* udevadm*
cp* more* ulockmgr_server*
dash* mount* umount*
date* mountpoint* uname*
dd* mv* uncompress*
df* networkctl* vdir*
dir* nisdomainname@ wdctl*
dmesg* pidof@ which*
dnsdomainname@ ps* ypdomainname@
domainname@ pwd* zcat*
echo* rbash@ zcmp*
egrep* readlink* zdiff*
false* rm* zegrep*
fgrep* rmdir* zfgrep*
findmnt* run-parts* zforce*
fusermount* sed* zgrep*
grep* sh@ zless*
gunzip* sh.distrib@ zmore*
gzexe* sleep* znew*
gzip* stty*
hostname* su*Jalankan salah satu dari perintah ini seperti yang telah kita lakukan echo dan wget. Di bab selanjutnya, kita akan melihat bagaimana menjalankan kode Python yang Anda buat sebelumnya.
Misalkan, Anda sudah memiliki beberapa kode Python yang dikembangkan yang disimpan di Google Drive Anda. Sekarang, Anda ingin memuat kode ini di Colab untuk modifikasi lebih lanjut. Di bab ini, kita akan melihat cara memuat dan menjalankan kode yang disimpan di Google Drive Anda.
Pemasangan Drive
Tools / Command paletteAnda akan melihat daftar perintah seperti yang ditunjukkan pada tangkapan layar ini -
Ketik beberapa huruf seperti "m" di kotak pencarian untuk menemukan perintah mount. PilihMount Driveperintah dari daftar. Kode berikut akan disisipkan ke dalam sel Kode Anda.
# Run this cell to mount your Google Drive.
from google.colab import drive
drive.mount('/content/drive')Jika Anda menjalankan kode ini, Anda akan diminta untuk memasukkan kode otentikasi. Layar yang sesuai terlihat seperti yang ditunjukkan di bawah ini -
Buka URL di atas di browser Anda. Anda akan diminta untuk masuk ke akun Google Anda. Sekarang, Anda akan melihat layar berikut -
Jika Anda memberikan izin, Anda akan menerima kode Anda sebagai berikut -
Cut-n-paste kode ini di sel Kode dan tekan ENTER. Setelah beberapa saat, drive akan dipasang seperti yang terlihat pada gambar di bawah -
Sekarang, Anda siap menggunakan konten drive Anda di Colab.
Mencantumkan Isi Drive
Anda dapat membuat daftar konten drive menggunakan perintah ls sebagai berikut -
!ls "/content/drive/My Drive/Colab Notebooks"Perintah ini akan mencantumkan konten folder Notebook Colab Anda. Output sampel dari konten drive saya ditampilkan di sini -
Greeting.ipynb hello.py LogisticRegressionCensusData.ipynb LogisticRegressionDigitalOcean.ipynb MyFirstColabNotebook.ipynb SamplePlot.ipynbMenjalankan Kode Python
Sekarang, katakanlah Anda ingin menjalankan file Python bernama hello.py yang disimpan di Google Drive Anda. Ketik perintah berikut di sel kode -
!python3 "/content/drive/My Drive/Colab Notebooks/hello.py"Isi hello.py diberikan di sini untuk referensi Anda -
print("Welcome to TutorialsPoint!")Anda sekarang akan melihat output berikut -
Welcome to TutorialsPoint!Selain keluaran teks, Colab juga mendukung keluaran grafis. Kita akan melihat ini di bab selanjutnya.
Colab juga mendukung keluaran kaya seperti bagan. Ketik kode berikut di sel kode.
import numpy as np
from matplotlib import pyplot as plt
y = np.random.randn(100)
x = [x for x in range(len(y))]
plt.plot(x, y, '-')
plt.fill_between(x, y, 200, where = (y > 195), facecolor='g', alpha=0.6)
plt.title("Sample Plot")
plt.show()Sekarang, jika Anda menjalankan kode, Anda akan melihat output berikut -
Perhatikan bahwa output grafis ditampilkan di bagian output sel Kode. Demikian juga, Anda akan dapat membuat dan menampilkan beberapa jenis diagram di seluruh kode program Anda.
Sekarang, setelah Anda terbiasa dengan dasar-dasar Colab, mari kita beralih ke fitur-fitur di Colab yang membuat pengembangan kode Python Anda lebih mudah.
Pengembang saat ini sangat bergantung pada bantuan peka konteks untuk bahasa dan sintaks perpustakaan. Itulah mengapa IDE banyak digunakan. Editor notebook Colab menyediakan fasilitas ini.
Di bab ini, mari kita lihat cara meminta bantuan peka konteks saat menulis kode Python di Colab. Ikuti langkah-langkah yang telah diberikan dimanapun dibutuhkan.
Daftar Fungsi
Step 1 - Buka buku catatan baru dan ketik kode berikut di sel Kode -
import torchStep 2- Jalankan kode dengan mengklik ikon Jalankan di panel kiri sel Kode. Tambahkan sel Kode lain dan ketik kode berikut -
Tensor = torch.Pada titik ini, misalkan Anda lupa apa saja berbagai fungsi yang tersedia torchmodul. Anda dapat meminta bantuan peka konteks pada nama fungsi dengan menekanTABkunci. Perhatikan keberadaan fileDOT setelah torchkata kunci. Tanpa DOT ini, Anda tidak akan melihat bantuan konteks. Layar Anda akan terlihat seperti yang ditunjukkan pada tangkapan layar di sini -
Sekarang, pilih fungsi yang diinginkan dari daftar dan lanjutkan dengan pengkodean Anda.
Dokumentasi Fungsi
Colab memberi Anda dokumentasi tentang apa pun function atau class sebagai bantuan yang peka konteks.
Ketik kode berikut di jendela kode Anda -
Tensor = torch.cos(Sekarang, pukul TAB dan Anda akan melihat dokumentasinya di cosdi jendela popup seperti yang ditunjukkan pada tangkapan layar di sini. Perhatikan bahwa Anda perlu mengetikopen parenthesis sebelum menekan TAB.
Di bab selanjutnya, kita akan lihat Magics di Colab yang memungkinkan kami melakukan hal-hal yang lebih hebat daripada yang kami lakukan dengan alias sistem.
Magics adalah sekumpulan perintah sistem yang menyediakan bahasa perintah ekstensif mini.
Sihir terdiri dari dua jenis -
Sihir garis
Sihir sel
Magics baris seperti namanya menunjukkan bahwa itu terdiri dari satu baris perintah, sedangkan sihir sel menutupi seluruh tubuh sel kode.
Dalam kasus magics baris, perintah diawali dengan karakter% tunggal dan dalam kasus sihir sel, ini diawali dengan dua% karakter (%%).
Mari kita lihat beberapa contoh dari keduanya untuk mengilustrasikan ini.
Magics Garis
Ketik kode berikut di sel kode Anda -
%ldirAnda akan melihat isi direktori lokal Anda, seperti ini -
drwxr-xr-x 3 root 4096 Jun 20 10:05 drive/
drwxr-xr-x 1 root 4096 May 31 16:17 sample_data/Coba perintah berikut -
%historyIni menyajikan sejarah lengkap dari perintah yang sebelumnya Anda jalankan.
Magics Sel
Ketik kode berikut di sel kode Anda -
%%html
<marquee style='width: 50%; color: Green;'>Welcome to Tutorialspoint!</marquee>Sekarang, jika Anda menjalankan kode dan Anda akan melihat pesan selamat datang yang bergulir di layar seperti yang ditunjukkan di sini -
Kode berikut akan menambahkan SVG ke dokumen Anda.
%%html
<svg xmlns="https://www.w3.org/2000/svg" viewBox="0 0 600 400" width="400" height="400">
<rect x="10" y="00" width="300" height="100" rx="0" style="fill:orange; stroke:black; fill-opacity:1.0" />
<rect x="10" y="100" width="300" height="100" rx="0" style="fill:white; stroke:black; fill-opacity:1.0;" />
<rect x="10" y="200" width="300" height="100" rx="0" style="fill:green; stroke:black; fill-opacity:1.0;" />
</svg>Jika Anda menjalankan kode, Anda akan melihat output berikut -
Daftar Sihir
Untuk mendapatkan daftar lengkap sihir yang didukung, jalankan perintah berikut -
%lsmagicAnda akan melihat output berikut -
Available line magics:
%alias %alias_magic %autocall %automagic %autosave %bookmark %cat %cd %clear
%colors %config %connect_info %cp %debug %dhist %dirs %doctest_mode %ed %edit
%env %gui %hist %history %killbgscripts %ldir %less %lf %lk %ll %load %load_ext
%loadpy %logoff %logon %logstart %logstate %logstop %ls %lsmagic %lx %macro
%magic %man %matplotlib %mkdir %more %mv %notebook %page %pastebin %pdb %pdef
%pdoc %pfile %pinfo %pinfo2 %pip %popd %pprint %precision %profile %prun
%psearch %psource %pushd %pwd %pycat %pylab %qtconsole %quickref %recall
%rehashx %reload_ext %rep %rerun %reset %reset_selective %rm %rmdir %run %save
%sc %set_env %shell %store %sx %system %tb %tensorflow_version %time %timeit
%unalias %unload_ext %who %who_ls %whos %xdel %xmode
Available cell magics:
%%! %%HTML %%SVG %%bash %%bigquery %%capture %%debug %%file %%html %%javascript
%%js %%latex %%perl %%prun %%pypy %%python %%python2 %%python3 %%ruby %%script
%%sh %%shell %%svg %%sx %%system %%time %%timeit %%writefile
Automagic is ON, % prefix IS NOT needed for line magics.Selanjutnya, Anda akan mempelajari fitur canggih lainnya di Colab untuk menyetel variabel program saat runtime.
Colab menyediakan utilitas yang sangat berguna bernama Formulir yang memungkinkan Anda menerima masukan dari pengguna pada waktu proses. Mari kita lanjutkan untuk melihat bagaimana menambahkan formulir ke buku catatan Anda.
Menambahkan Formulir
Di pelajaran sebelumnya, Anda menggunakan kode berikut untuk membuat penundaan waktu -
import time
print(time.ctime())
time.sleep(5)
print (time.ctime())Misalkan, Anda menginginkan penundaan waktu yang ditetapkan pengguna, bukan penundaan tetap selama 5 detik. Untuk ini, Anda dapat menambahkan Formulir ke sel Kode untuk menerima waktu tidur.
Buka buku catatan baru. Klik padaOptionsmenu (titik-titik vertikal). Menu popup muncul seperti yang terlihat pada gambar di bawah -
Sekarang, pilih Add a formpilihan. Ini akan menambahkan formulir ke sel Kode Anda dengan judul Default seperti yang terlihat pada tangkapan layar di sini -
Untuk mengubah judul formulir, klik Settingstombol (ikon pensil di sebelah kanan). Ini akan memunculkan layar pengaturan seperti yang ditunjukkan di sini:
Ubah judul formulir menjadi “Form”dan simpan formulirnya. Anda dapat menggunakan nama lain pilihan Anda. Perhatikan bahwa itu menambahkan@title ke sel kode Anda.
Anda dapat menjelajahi opsi lain pada layar di atas nanti. Di bagian selanjutnya, kita akan mempelajari cara menambahkan kolom input ke formulir.
Menambahkan Bidang Formulir
Untuk menambahkan bidang formulir, klik Options menu di sel Kode, klik pada Formuntuk menampilkan submenu. Layar akan terlihat seperti di bawah ini -
Pilih Add a form fieldopsi menu. Sebuah dialog muncul seperti yang terlihat di sini -
Tinggalkan Form field type untuk input. Mengubah Variable name untuk sleeptime dan setel Variable type untuk integer. Simpan perubahan dengan mengklikSave tombol.
Layar Anda sekarang akan terlihat seperti berikut dengan sleeptime variabel ditambahkan ke dalam kode.
Selanjutnya, mari kita lihat cara menguji formulir dengan menambahkan beberapa kode yang menggunakan sleeptime variabel.
Formulir Pengujian
Tambahkan sel Kode baru di bawah sel formulir. Gunakan kode yang diberikan di bawah ini -
import time
print(time.ctime())
time.sleep(sleeptime)
print (time.ctime())Anda telah menggunakan kode ini di pelajaran sebelumnya. Ini mencetak waktu saat ini, menunggu beberapa waktu dan mencetak cap waktu baru. Jumlah waktu tunggu program diatur dalam variabel yang dipanggilsleeptime.
Sekarang, kembali ke Form Sel dan ketik nilai 2 untuk sleeptime. Pilih menu berikut -
Runtime / Run allIni menjalankan seluruh notebook. Anda dapat melihat layar keluaran seperti yang ditunjukkan di bawah ini.
Perhatikan bahwa itu telah mengambil nilai input Anda 2 untuk
waktu tidur
. Coba ubah ini ke nilai yang berbeda dan Run all untuk melihat efeknya.Memasukkan Teks
Untuk menerima input teks dalam formulir Anda, masukkan kode berikut di sel kode baru.
name = 'Tutorialspoint' #@param {type:"string"}
print(name)Sekarang, jika Anda menjalankan sel Kode, apa pun nama yang Anda tetapkan di formulir akan dicetak di layar. Secara default, keluaran berikut akan muncul di layar.
TutorialspointPerhatikan bahwa Anda dapat menggunakan opsi menu seperti yang ditunjukkan untuk input integer untuk membuat file Text bidang masukan.
Daftar Dropdown
Untuk menambahkan daftar dropdown ke formulir Anda, gunakan kode berikut -
color = 'green' #@param ["red", "green", "blue"]
print(color)Ini membuat daftar dropdown dengan tiga nilai - merah, hijau dan biru. Pilihan default berwarna hijau.
Daftar dropdown ditunjukkan pada gambar di bawah -
Masukan Tanggal
Formulir Colab memungkinkan Anda untuk menerima tanggal dalam kode Anda dengan validasi. Gunakan kode berikut untuk memasukkan tanggal dalam kode Anda.
#@title Date fields
date_input = '2019-06-03' #@param {type:"date"}
print(date_input)Layar Formulir terlihat seperti berikut ini.
Coba masukkan nilai tanggal yang salah dan amati validasinya.
Sejauh ini Anda telah mempelajari cara menggunakan Colab untuk membuat dan menjalankan notebook Jupyter dengan kode Python Anda. Di bab berikutnya, kita akan melihat cara menginstal pustaka ML populer di notebook Anda sehingga Anda dapat menggunakannya di kode Python Anda.
Colab mendukung sebagian besar pustaka pembelajaran mesin yang tersedia di pasar. Dalam bab ini, mari kita lihat ikhtisar singkat tentang cara menginstal perpustakaan ini di notebook Colab Anda.
Untuk menginstal perpustakaan, Anda dapat menggunakan salah satu dari opsi ini -
!pip installatau
!apt-get installKeras
Keras, ditulis dengan Python, berjalan di atas TensorFlow, CNTK, atau Theano. Ini memungkinkan pembuatan prototipe aplikasi jaringan saraf yang mudah dan cepat. Ini mendukung jaringan konvolusional (CNN) dan jaringan berulang, dan juga kombinasinya. Ini dengan mulus mendukung GPU.
Untuk menginstal Keras, gunakan perintah berikut -
!pip install -q kerasPyTorch
PyTorch sangat ideal untuk mengembangkan aplikasi pembelajaran yang mendalam. Ini adalah pustaka tensor yang dioptimalkan dan GPU diaktifkan. Untuk menginstal PyTorch, gunakan perintah berikut -
!pip3 install torch torchvisionMxNet
Apache MxNet adalah pustaka lain yang fleksibel dan efisien untuk pembelajaran mendalam. Untuk menginstal MxNet, jalankan perintah berikut -
!apt install libnvrtc8.0
!pip install mxnet-cu80OpenCV
OpenCV adalah pustaka visi komputer sumber terbuka untuk mengembangkan aplikasi pembelajaran mesin. Ini memiliki lebih dari 2500 algoritma yang dioptimalkan yang mendukung beberapa aplikasi seperti mengenali wajah, mengidentifikasi objek, melacak objek bergerak, menjahit gambar, dan sebagainya. Raksasa seperti Google, Yahoo, Microsoft, Intel, IBM, Sony, Honda, Toyota menggunakan perpustakaan ini. Ini sangat cocok untuk mengembangkan aplikasi penglihatan waktu nyata.
Untuk menginstal OpenCV gunakan perintah berikut -
!apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-pythonXGBoost
XGBoost adalah pustaka pendorong gradien terdistribusi yang berjalan di lingkungan terdistribusi besar seperti Hadoop. Ini sangat efisien, fleksibel dan portabel. Ini mengimplementasikan algoritma ML di bawah kerangka Gradient Boosting.
Untuk menginstal XGBoost, gunakan perintah berikut -
!pip install -q xgboost==0.4a30GraphViz
Graphviz adalah perangkat lunak open source untuk visualisasi grafik. Ini digunakan untuk visualisasi di jaringan, bioinformatika, desain database, dan dalam hal ini di banyak domain di mana antarmuka visual dari data diinginkan.
Untuk menginstal GraphViz, gunakan perintah berikut -
!apt-get -qq install -y graphviz && pip install -q pydotSaat ini, Anda telah belajar membuat notebook Jupyter yang berisi library machine learning populer. Anda sekarang siap untuk mengembangkan model pembelajaran mesin Anda. Ini membutuhkan daya pemrosesan yang tinggi. Colab menyediakan GPU gratis untuk notebook Anda.
Di bab berikutnya, kita akan mempelajari cara mengaktifkan GPU untuk notebook Anda.
Google menyediakan penggunaan GPU gratis untuk notebook Colab Anda.
Mengaktifkan GPU
Untuk mengaktifkan GPU di notebook Anda, pilih opsi menu berikut -
Runtime / Change runtime typeAnda akan melihat layar berikut sebagai output -
Pilih GPUdan notebook Anda akan menggunakan GPU gratis yang disediakan di cloud selama pemrosesan. Untuk merasakan pemrosesan GPU, coba jalankan aplikasi sampel dariMNIST tutorial yang Anda kloning sebelumnya.
!python3 "/content/drive/My Drive/app/mnist_cnn.py"Coba jalankan file Python yang sama tanpa mengaktifkan GPU. Apakah Anda memperhatikan perbedaan kecepatan eksekusi?
Menguji GPU
Anda dapat dengan mudah memeriksa apakah GPU diaktifkan dengan menjalankan kode berikut -
import tensorflow as tf
tf.test.gpu_device_name()Jika GPU diaktifkan, itu akan memberikan output berikut -
'/device:GPU:0'Daftar Perangkat
Jika Anda penasaran untuk mengetahui perangkat yang digunakan selama eksekusi notebook Anda di cloud, coba kode berikut -
from tensorflow.python.client import device_lib
device_lib.list_local_devices()Anda akan melihat hasilnya sebagai berikut -
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality { }
incarnation: 1734904979049303143, name: "/device:XLA_CPU:0"
device_type: "XLA_CPU" memory_limit: 17179869184
locality { }
incarnation: 16069148927281628039
physical_device_desc: "device: XLA_CPU device", name: "/device:XLA_GPU:0"
device_type: "XLA_GPU"
memory_limit: 17179869184
locality { }
incarnation: 16623465188569787091
physical_device_desc: "device: XLA_GPU device", name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 14062547764
locality {
bus_id: 1
links { }
}
incarnation: 6674128802944374158
physical_device_desc: "device: 0, name: Tesla T4, pci bus id: 0000:00:04.0, compute capability: 7.5"]Memeriksa RAM
Untuk melihat sumber daya memori yang tersedia untuk proses Anda, ketik perintah berikut -
!cat /proc/meminfoAnda akan melihat output berikut -
MemTotal: 13335276 kB
MemFree: 7322964 kB
MemAvailable: 10519168 kB
Buffers: 95732 kB
Cached: 2787632 kB
SwapCached: 0 kB
Active: 2433984 kB
Inactive: 3060124 kB
Active(anon): 2101704 kB
Inactive(anon): 22880 kB
Active(file): 332280 kB
Inactive(file): 3037244 kB
Unevictable: 0 kB
Mlocked: 0 kB
SwapTotal: 0 kB
SwapFree: 0 kB
Dirty: 412 kB
Writeback: 0 kB
AnonPages: 2610780 kB
Mapped: 838200 kB
Shmem: 23436 kB
Slab: 183240 kB
SReclaimable: 135324 kB
SUnreclaim: 47916
kBKernelStack: 4992 kB
PageTables: 13600 kB
NFS_Unstable: 0 kB
Bounce: 0 kB
WritebackTmp: 0 kB
CommitLimit: 6667636 kB
Committed_AS: 4801380 kB
VmallocTotal: 34359738367 kB
VmallocUsed: 0 kB
VmallocChunk: 0 kB
AnonHugePages: 0 kB
ShmemHugePages: 0 kB
ShmemPmdMapped: 0 kB
HugePages_Total: 0
HugePages_Free: 0
HugePages_Rsvd: 0
HugePages_Surp: 0
Hugepagesize: 2048 kB
DirectMap4k: 303092 kB
DirectMap2M: 5988352 kB
DirectMap1G: 9437184 kBAnda sekarang siap untuk pengembangan model pembelajaran mesin dengan Python menggunakan Google Colab.
Google Colab adalah platform yang kuat untuk belajar dan mengembangkan model pembelajaran mesin dengan cepat dengan Python. Ini didasarkan pada notebook Jupyter dan mendukung pengembangan kolaboratif. Anggota tim dapat berbagi dan mengedit buku catatan secara bersamaan, bahkan dari jarak jauh. Buku catatan juga dapat diterbitkan di GitHub dan dibagikan dengan masyarakat umum. Colab mendukung banyak pustaka ML populer seperti PyTorch, TensorFlow, Keras, dan OpenCV. Batasan saat ini adalah belum mendukung R atau Scala. Ada juga batasan untuk sesi dan ukuran. Mengingat manfaatnya, ini adalah pengorbanan kecil yang perlu dilakukan.