Coursera의 고급 머신러닝 강좌에서 Google Colab 환경을 구축하는 방법
3289 단어 coursera파이썬GoogleColaboratory
경위
2 일 정도 전부터 상급 기계 학습의 강좌를 수강하기 시작했습니다. "라고 말해 버렸으므로, 일찍 GPU를 사용할 수있는 GoogleColaboratory로 전환했습니다.
Coursera의 프로그래밍 과제 제출 메커니즘
Coursera의 (또는이 강좌의?) 프로그래밍 과제에서는 각 체크 포인트에 대해 변수 값 (예 : 모델 예측 성적 및 매개 변수의 총 수)을 Coursera 측으로 전송하여 값이 허용 가능한지 여부를 확인합니다. 득점을 받을 수 있는 구조로 되어 있습니다. 대략 하나의 과제로 6개 정도 체크포인트가 있습니다. 이 때 grading_utils라는 자체 모듈을 사용합니다. 이번 주된 목적은 이 모듈을 Colab에서 호출할 수 있도록 하는 것입니다.
파일 다운로드
사실, Colab에서 환경을 구축할 수 있도록 Coursera 측에서 "setup_google_colab.py"라는 파일을 준비해 줍니다. 우선 이 파일을 다운로드합니다.
1. 먼저 과제 노트를 열고 왼쪽 상단의 COURSERA 로고를 클릭합니다.
2. 그러면 파일 목록이 표시되므로 "setup_google_colab.py"를 선택하여 엽니다.
3. 왼쪽 상단의 File 탭에서 Download를 선택하면 file을 PC에 떨어뜨릴 수 있습니다.
4. 마찬가지로, 문제의 .ipynb도 자신의 PC에 떨어집니다.
5. 삭제된 파일을 내 google drive에 업합니다.
Google Drive 마운트
그런 다음 Colab에서 Google 드라이브의 파일에 액세스할 수 있도록 드라이브를 마운트합니다.
Coursera의 (또는이 강좌의?) 프로그래밍 과제에서는 각 체크 포인트에 대해 변수 값 (예 : 모델 예측 성적 및 매개 변수의 총 수)을 Coursera 측으로 전송하여 값이 허용 가능한지 여부를 확인합니다. 득점을 받을 수 있는 구조로 되어 있습니다. 대략 하나의 과제로 6개 정도 체크포인트가 있습니다. 이 때 grading_utils라는 자체 모듈을 사용합니다. 이번 주된 목적은 이 모듈을 Colab에서 호출할 수 있도록 하는 것입니다.
파일 다운로드
사실, Colab에서 환경을 구축할 수 있도록 Coursera 측에서 "setup_google_colab.py"라는 파일을 준비해 줍니다. 우선 이 파일을 다운로드합니다.
1. 먼저 과제 노트를 열고 왼쪽 상단의 COURSERA 로고를 클릭합니다.
2. 그러면 파일 목록이 표시되므로 "setup_google_colab.py"를 선택하여 엽니다.
3. 왼쪽 상단의 File 탭에서 Download를 선택하면 file을 PC에 떨어뜨릴 수 있습니다.
4. 마찬가지로, 문제의 .ipynb도 자신의 PC에 떨어집니다.
5. 삭제된 파일을 내 google drive에 업합니다.
Google Drive 마운트
그런 다음 Colab에서 Google 드라이브의 파일에 액세스할 수 있도록 드라이브를 마운트합니다.
그런 다음 Colab에서 Google 드라이브의 파일에 액세스할 수 있도록 드라이브를 마운트합니다.
from google.colab import drive
drive.mount('/content/drive')
3. 실행하면 이런 느낌으로 링크가 나옵니다. 링크에 액세스하여 인증 코드를 얻고 Enter your authorization code: 에 입력하면 마운트 완료입니다.
4. 옆의 '삼'같은 마크를 클릭하면, 'drive'디렉토리 아래에 자신의 드라이브의 파일이 들어 있는 것을 확인할 수 있다고 생각합니다.
Setup 모듈 import
그런 다음 경로를 통해 모듈을 가져오기만 하면 됩니다.
예를 들어 제 경우에는 파일의 위치는 "My Drive/HOME/Cousera/setup_google_colab.py"이므로 아래 명령으로 sys.path에 경로가 추가됩니다.
import sys
sys.path.append('/content/drive/My Drive/HOME/Cousera/')
이제 import할 수 있습니다.
import setup_google_colab
Setup
setup_google_colab 중에는 각 과제마다 설정하는 함수가 정의되어 있어 실행하면 필요한 외부 모듈이나 파일을 자동으로 colab 폴더에 다운로드해 줍니다.
이번에는 도전 3이므로,
setup_google_colab.setup_week3()
이상입니다. 이제 과제 노트가 Colab에서 움직일 수 있습니다.
마지막으로
결국, 이 후 모델의 구조를 잘못해서 3회 정도 트레이닝을 다시 했으므로, CPU로 하고 있으면(자) 생각하면 차가운 땀입니다. 덧붙여서 노트에는 CPU라고 1시간 30분 걸린다고 쓰고 있었습니다만, GPU라면 4분 강으로 계산이 끝났습니다. 과연,,,,
Reference
이 문제에 관하여(Coursera의 고급 머신러닝 강좌에서 Google Colab 환경을 구축하는 방법), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/BeaR_0505/items/15216d19257c10ae060a
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
import sys
sys.path.append('/content/drive/My Drive/HOME/Cousera/')
import setup_google_colab
setup_google_colab 중에는 각 과제마다 설정하는 함수가 정의되어 있어 실행하면 필요한 외부 모듈이나 파일을 자동으로 colab 폴더에 다운로드해 줍니다.
이번에는 도전 3이므로,
setup_google_colab.setup_week3()
이상입니다. 이제 과제 노트가 Colab에서 움직일 수 있습니다.
마지막으로
결국, 이 후 모델의 구조를 잘못해서 3회 정도 트레이닝을 다시 했으므로, CPU로 하고 있으면(자) 생각하면 차가운 땀입니다. 덧붙여서 노트에는 CPU라고 1시간 30분 걸린다고 쓰고 있었습니다만, GPU라면 4분 강으로 계산이 끝났습니다. 과연,,,,
Reference
이 문제에 관하여(Coursera의 고급 머신러닝 강좌에서 Google Colab 환경을 구축하는 방법), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/BeaR_0505/items/15216d19257c10ae060a
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(Coursera의 고급 머신러닝 강좌에서 Google Colab 환경을 구축하는 방법), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/BeaR_0505/items/15216d19257c10ae060a텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)