Question

我目前正在使用google-colab，在入门页面上，我们看到：

本地运行时支持Colab支持连接到Jupyter运行时在本地计算机上。有关更多信息，请参见我们的documentation。

因此，当我看到文档时，我使用连接的选项卡将colab笔记本连接到了本地运行时，安装后等。

当我访问内存信息时：

!cat /proc/meminfo

输出如下：

    MemTotal:        3924628 kB
MemFree:          245948 kB
MemAvailable:    1473096 kB
Buffers:          168560 kB
Cached:          1280300 kB
SwapCached:        20736 kB
Active:          2135932 kB
Inactive:         991300 kB
Active(anon):    1397156 kB
Inactive(anon):   560124 kB
Active(file):     738776 kB
Inactive(file):   431176 kB
Unevictable:         528 kB
Mlocked:             528 kB

哪个是我的PC的内存信息，所以可以肯定地从笔记本电脑访问我的PC？那么它与我的本地Jupyter笔记本有什么不同？现在，我无法使用13 Gig的高内存环境，也无法访问GPU。

如果有人可以解释，那就太好了！

Answer 1

将Colab与本地后端一起使用的主要优点来自基于驱动器的笔记本存储：驱动器注释，ACL和基于链接的成品笔记本轻松共享。

使用Jupyter时，共享笔记本需要共享文件。而且，从一台不同的机器访问笔记本电脑需要安装Jupyter而不是加载网站。

Answer 2

唯一的好处是将笔记本保留在Google云端硬盘中。

您可以轻松共享它们
您有自动的历史记录/版本控制
人们可以在您的笔记本上发表评论

您的标题还有可折叠的轮廓，并且UI可能更简洁（如果您更喜欢Colab样式）。

Answer 3

TLDR - 简短的回答是它没有任何不同

但是，这里有一个类比可能有助于更好地解释其意义所在：

让我们假设 Google Colab 是一种类似于视频游戏流媒体服务的东西，它使拥有低端设备的用户能够通过在他们的系统上托管游戏来玩对图形要求很高的高端视频游戏。如果说，我们没有高端游戏 PC 或非常强大的笔记本电脑，我们想玩一款刚刚推出的具有非常高系统要求的新游戏（我们的几乎完全满足），那么自然而然，这是有道理的我们可能想使用这个流媒体服务，让我们把它叫做 Stadia 来玩这个新游戏，因为它可以让我们以 30FPS 的速度在 720p 分辨率下玩，而使用我们自己的电脑可能在 480p 下只能给我们 15 fps。他们将代表像你我这样的人，他们希望从在另一个系统上运行的游戏中受益，在这种情况下，这相当于我们希望 Google Colab 在他们的系统上运行我们的迭代。所以对我们来说，让 Stadia 在本地运行并使用我们的系统资源是没有意义的，因为这样做没有任何好处，即使我们保存的游戏存储在本地。

但是还有其他人，他们安装了高端电脑和显卡，有更好的组件和资源可供他们使用，假设他们也想玩同样的游戏。现在他们可以使用与我们相同的流媒体服务并以 720p 播放，但是由于他们的计算机功能更强大并且实际上可以在 4k 图形上以 60 FPS 的速度处理游戏，那么他们可能希望使用自己的系统资源运行游戏而不是使用 Stadia 等流媒体服务。但这通常意味着，他们必须获得游戏的硬拷贝才能将其安装在本地系统上并以这种方式进行游戏。为了这个例子，让我们假设它只是下载并且需要 2 TB 来安装。

那么，如果我们假设 stadia 有能力让他们免于下载和安装游戏，同时仍然使用他们的系统资源在他们玩游戏时提供更好的图形，那么 Colab 的方式或原因就是这种情况连接到本地运行时将作为某人的理想功能。共享 colab notebook 就像在我们的 stadia 理论版本中共享游戏一样，用户无需下载和安装任何东西，因此只要有任何更新或更改，用户就可以立即使用新的更新版本而无需下载因为实际代码（或我们比喻中的游戏安装）是远程运行的。

有时，当我们决定使用它们的价值与价值相矛盾时，很难理解不是为我们设计的东西。希望这可以帮助偶然发现此问题的人至少在原则上理解它的目的。

Google Colab：本地运行时使用

3 个答案: