Question

有人知道运行Google Colab的存储限制吗？上传22gb的zip文件，然后尝试解压缩后，似乎空间不足，建议使用<〜40gb的存储空间。至少这是我运行TPU实例的经验。

Answer 1

目前，colab中的本地存储量取决于所选的硬件加速器运行时类型：

# Hardware accelerator none
!df -h .
Filesystem      Size  Used Avail Use% Mounted on
overlay          49G   22G   26G  46% /

# Hardware accelerator GPU
!df -h .
Filesystem      Size  Used Avail Use% Mounted on
overlay         359G   23G  318G   7% /

# Hardware accelerator TPU
!df -h .
Filesystem      Size  Used Avail Use% Mounted on
overlay          49G   22G   26G  46% /

即使您不需要GPU，切换到该运行时类型也将为您提供额外的310Gb存储空间。

Answer 2

是的，Colab笔记本电脑的本地存储现在大约为40 GiB。一种查看确切值的方法（在Python 3中）：

import subprocess
p = subprocess.Popen('df -h', shell=True, stdout=subprocess.PIPE)
print(str(p.communicate()[0], 'utf-8'))

但是：：对于大量数据，本地存储是馈送TPU的非最佳方式，TPU没有直接连接到运行笔记本电脑的计算机。相反，请考虑将大型数据集存储在GCP存储中，然后从Colab笔记本中获取该数据。（此外，Colab本地存储量可能会发生变化，并且Colab笔记本本身将在几个小时后到期，并随身携带本地存储。）

看看the canonical TPU Colab notebook。底部是一些后续步骤，其中包括指向Searching Shakespeare with TPUs的链接。该笔记本中有以下代码片段，向您的Colab TPU演示了GCP身份验证。看起来像这样：

from google.colab import auth
auth.authenticate_user()

if 'COLAB_TPU_ADDR' in os.environ:
  TF_MASTER = 'grpc://{}'.format(os.environ['COLAB_TPU_ADDR'])

  # Upload credentials to TPU.
  with tf.Session(TF_MASTER) as sess:    
    with open('/content/adc.json', 'r') as f:
      auth_info = json.load(f)
    tf.contrib.cloud.configure_gcs(sess, credentials=auth_info)
  # Now credentials are set for all future sessions on this TPU.
else:
  TF_MASTER=''

Google Colab存储

2 个答案: