使用Google Colab而不是Jupyter Notebook？

Question

使用Google Colab的用例是什么？我的意思是我理解它与Tensorflow很好用，但为什么有人比Jupyter笔记本更喜欢它呢？

Answer 1

我使用Colab的原因

• 从任何计算机上工作。所有笔记本都保存在Google云端硬盘中。
• 无需担心conda create env会使您的目录混乱
• 轻松地与某人或每个人分享。就像Google Doc。
• 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
  • 可折叠的轮廓（无需安装）
  • 清洁界面（我比香草Jupyter更喜欢它）

Answer 2

我从事非编程工作，并且我不想在我的工作计算机上安装所有内容，以便为Jupyter设置它。使用Google Colab，我可以开始工作而无需进行任何安装，并与无法自行安装任何内容的非技术人员共享我的脚本。

Answer 3

更好的是，您可以连续12小时免费访问GPU！对于数据科学的应用，尤其是在资源匮乏的社区中，这确实非常方便。

Answer 4

顾名思义，Google Colab产品随附 collaboration 。它还在Google服务器上运行，您无需安装任何软件。此外，笔记本会保存到您的 Google Drive 帐户。

如果您只是在玩游戏或在 personal projects 上工作，Jupyter会正常工作。如果您想构建 commercial-grade models 并将其部署到生产环境中，Codelab将提供您所需的全生命周期方法。

保存到Google云端硬盘，您还可以同时共享并让多个人同时处理同一个文档。可折叠的部分和部分树。 交互式小部件，例如滑块。

Scratch cell: 用于运行测试代码但未保存在笔记本中的单元格。 代码段

pdb debugger support

但是，由于Jupyter只是计算机的Web UI，因此运行时受到了更大的限制，您实际上可以在计算机上安装所需的任何东西

Google Codelab是 full-lifecycle workbench ，可帮助您以仅笔记本电脑无法实现的方式来构建/部署/缩放模型。

使用Codelab，您 can prototype your model locally with scikit-learn 或 TensorFlow ，然后将其移动到具有巨大数据集的云中/在其中进行训练。

Jupyter是Colaboratory所基于的开源项目。通过Colaboratory，您可以与他人使用和共享Jupyter笔记本，而无需在浏览器以外的其他计算机上下载，安装或运行任何内容。

最重要的是，它具有用于与其他云服务（尤其是 BigQuery ）进行交互的库的全部选择。