colab实际上就是一个可以白嫖GPU的linux服务器，所以里面其实有很多东西是很有用的，如果单纯去利用colab的一些命令，还是慢了，linux真的yyds，现在来学习一下。
如果遇到好玩的，也会不断进行补充
什么是Google Colab
Google Colab是谷歌提供的免费Jupyter 笔记本环境，不需要什么设置与环境配置就可以使用，完全在云端运行。不影响本地的使用。
Google Colab为研究者提供一定免费的GPU，可以编写和执行代码，所有这些都可通过浏览器免费使用。同学们可以在上面轻松地跑 Tensorflow、Pytorch 等深度学习框架。
尽管Google Colab提供了一定的免费资源，但资源量是受限制的，所有 Colab 运行时都会在一段时间后重置。Colab Pro 订阅者的使用量仍会受到限制，但相比非订阅者可享有的限额要多出大约一倍。Colab Pro+ 订阅者还可获享更高的稳定性。
不过这里简单提一下，如果要用colab，需要进外网，这可能就要靠大家自己了
Colab官网：https://colab.research.google.com/
（需要外网才可以进入）
挂载谷歌云盘
有时候如果数据在云盘上的时候，我们可以通过一下命令挂载云盘，不过这一部分是需要验证权限的。
from google.colab import drive drive.mount('/content/gdrive')
命令
1.wget下载命令
wget可以应对很多很多下载的数据集，比如我想下我挂载在我的github的一个猫狗数据集
我就可以用以下代码进行下载并解压
!wget https://github.com/Dreaming-future/Pytorch-Image-Classification/releases/download/v1.1.0/cats_and_dogs_filtered.zip !unzip -q cats_and_dogs_filtered.zip
只需要有下载链接和权限，我们就可以从中进行下载，除此之外，为了有时候不重复下载，会利用wget -nc，就是如果本地有这个文件就不会下载了。
2.git clone深度学习库
这一步，我们需要完成深度学习仓库的下载，我们使用git clone指令进行下载。执行如下指令后，左边的文件中多出了Pytorch-Image-Classification。没有的话就去左侧刷新一下。
%cd /content !rm -rf Pytorch-Image-Classification !git clone https://github.com/Dreaming-future/Pytorch-Image-Classification.git
3.Linux 复制命令
有时候希望把数据从云盘复制到云端文件夹，但是google本身含有一个shutil太慢了，我发现linux命令才是yyds，这里介绍一下
这样就可以将path1 文件 复制到path2文件，而且速度很快
!cp path1 path2
4.解压unzip命令
前面有提过一点，我们可以直接进行解压文件，发到当前文件夹下，也可以自己设置
!unzip -q cats_and_dogs_filtered.zip
如果要解压到某一个位置，可以利用-d+指定位置
5.建立软连接
我发现有个东西是真的很聪明，就是软连接，我们可以将云端文件夹和自己的colab的Drive进行同步。
如果将权值保存在原始根目录下的logs文件夹，发生断线网络就白训练了，浪费大量的时间。
可以将google云盘软连接到根目录下，那么即使断线，权值也保留在云盘中。
!rm -rf logs # 与drive建立软连接 !ln -s /content/gdrive/MyDrive/模型权重文件/logs logs
6.运行python文件
我们需要python文件的时候，也是可以运行的，比如我们想运行train.py文件，我们就可以直接运行以下代码即可
!python train.py
7.使用交互式shell
Colab 中没有内置的交互终端。但是可以使用 bash 命令以交互方式使用 shell 命令。只需运行此命令，你将获得交互式输入。
!bash
现在，你可以在给定的输入框中运行任何 shell 命令。
要退出 shell，只需在输入框中键入 exit。
防掉线措施
有时候掉线是因为网络不稳定，有时候就是谷歌的验证机制了
听说可以通过自动点击来减少掉线频率，这时候可以利用javascript的语法，类似与不间断的点击得到以下代码
在Google colab的按F12，点击网页的控制台，粘贴如下代码：
function ConnectButton(){ console.log("Connect pushed"); document.querySelector("#top-toolbar > colab-connect-button").shadowRoot.querySelector("#connect").click() } setInterval(ConnectButton,60000);
如果天天还掉线的话，我们就可以每次记录一下权重的文件的和学习率的值
这样的话，即使我们掉线也可以重新进行训练即可
查看当前的内存和存储使用情况 以及 有效增加colab 12GB + RAM
Colab 提供了 RAM 和磁盘使用情况的指示器。如果将鼠标悬停在指示器上，将弹出一个窗口，其中包含当前内存和存储使用情况和总容量。
我发现，有时候我们现在创建的系统更多的RAM是12GB的，有时候程序太大会RAM崩溃，自动断掉，这个时候，需要我们用pro才能解决。
不过其实还有一个办法可以得到，获得超过12 GB RAM 的唯一方法是复制以前分配的25 GB内存的笔记本
打开链接：https://colab.research.google.com/drive/155S_bb3viIoL0wAwkIyr1r8XQu4ARwA9?usp=sharing
（1）按图操作，在谷歌云盘中保存副本
（2）在谷歌云盘中用Google Colab打开副本
（3）成功获得25GRAM
总结
使用Colab训练比较重要的是处理好路径的关系，找到哪个文件在哪里，文件夹的执行目录在哪里，就可以比较简单的运行起程序了，不过Colab确实存在断线问题，我们需要时刻保存好文件，因此我将权值直接保存在云盘上，这样也不会丢失。
