当前位置：首页 > web >正文

永久免费的Google Colab 入门指南

web 2025/5/5 10:04:42

相信很多同学在学习人工智能 (AI) 和数据科学 (Data Science) 的初期，都曾被繁琐的环境配置劝退过：安装 Python、管理虚拟环境、处理各种库的依赖冲突、想用 GPU/TPU 加速却发现配置复杂或硬件成本高昂…… 这些痛点是不是让你感同身受？

今天，我要向大家隆重介绍一款能彻底解决这些烦恼的神器 —— Google Colaboratory，我们通常简称它为 Colab。

为什么说 Colab 是 AI 和数据科学的最佳起点？

零配置，上手快: 你几乎不需要进行任何本地安装和设置。所有主流的 AI 和数据科学库（如 TensorFlow, PyTorch, Pandas, NumPy, Matplotlib 等）都已为你 预装并配置好。别人还在搜索如何安装软件时，你已经可以在 Colab 里敲代码了！
浏览器即是 IDE: 你可以在浏览器中直接 编写、运行和分享 Python 代码。无论你用的是手机、平板还是笔记本电脑，只要能上网，就能随时随地开始你的项目。
免费计算资源: Colab 免费提供 CPU、GPU 甚至 TPU 计算资源！这对于需要大量计算的深度学习任务来说，简直是福音。
云端存储与分享: 你在 Colab 中创建的所有内容（代码、笔记）都会自动保存在你的 Google Drive (谷歌云端硬盘) 中，方便你随时访问、管理，并且可以像分享普通文件一样，通过一个简单的链接将你的代码分享给任何人。
Jupyter Notebook 的云端升级版: 如果你熟悉 Jupyter Notebook，那么可以把 Colab 理解为一个 托管在 Google 服务器上的 Jupyter Notebook，并在此基础上增加了许多便捷的功能，使其在 AI 和数据科学社区中广受欢迎。

话不多说，让我们直接上手体验 Colab 的魅力吧！

一、开始使用 Colab

1. 访问 Colab: 在你的浏览器中搜索 "Google Colab"，通常第一个结果就是 colab.research.google.com。点击进入。

2. 初识 Notebook: Colab 的核心是 Notebook (笔记本)。首次访问时，你会看到一个弹出窗口，显示你最近使用过的 Notebooks。可能还会有一个名为 "Welcome to Collaboratory" 的官方介绍 Notebook。

3. 创建新 Notebook: 点击左上角的“文件 (File)” -> “新建笔记本 (New notebook)” 或在弹出窗口中直接点击 “新建笔记本”。

4. 重命名 Notebook (关键一步!): 新创建的 Notebook 会有一个默认的名字，比如 Untitled0.ipynb。为了方便日后查找和管理，强烈建议立刻给它重命名！点击顶部的默认名称，输入一个有意义的名字，例如 Colab入门教程。养成良好的命名习惯，几个月后再回来看代码，也能一目了然。

5. 自动保存: 请放心，你在 Notebook 中的所有修改都会自动保存到你的 Google Drive 中，无需手动保存。

二、 Colab 的基本单元：代码单元格与文本单元格

Notebook 由一系列 单元格 (Cell) 组成，主要有两种类型：

1. 代码单元格 (Code Cell):

这是你编写和运行 Python 代码的地方。
代码并非在你的本地电脑上运行，而是在 Google 的服务器 上执行。
首次运行时，Colab 会自动连接到 Google 的服务器。
如何运行代码？
- 点击单元格左侧的 播放按钮 (▶️)。
- 使用快捷键 Cmd/Ctrl + Enter (运行当前单元格)。
- 使用快捷键 Shift + Enter (运行当前单元格，并自动在下方创建一个新的代码单元格，这是最常用的方式)。
Python
```
# 这是一个代码单元格
print("Hello Colab! 我在 Google 服务器上运行！")
```
运行上面的代码试试看！

2. 文本单元格 (Text Cell):

用于添加说明性文字、标题、注释、插入图片、视频、列表等。
支持富文本格式，可以通过上方的工具栏设置加粗、斜体、标题、项目符号等。

它实际上使用的是 Markdown 语言。初学时不必深入学习 Markdown，但了解它可以让你写出格式更优美的文档。

Markdown

## 这是一个二级标题这里可以写一些解释性的文字，对代码进行说明。* 列表项 1
* 列表项 2我们甚至可以插入图片：
![](https://www.google.com/images/branding/googlelogo/1x/googlelogo_color_272x92dp.png)

通过组合使用代码单元格和文本单元格，你可以创建出既能运行代码，又包含丰富解释和文档的交互式 Notebook。

三、解锁硬件加速：运行时与 GPU/TPU

我们提到代码在 Google 服务器上运行。Colab 允许你选择不同的硬件来执行代码：

1. 更改运行时类型: 点击菜单栏的 “代码执行程序 (Runtime)” -> “更改运行时类型 (Change runtime type)”。

2. 硬件加速器选项:

None (无): 默认选项，代码将在 CPU 上运行。适用于简单的 Python 脚本和不需要大量计算的机器学习任务。
GPU (图形处理单元): 最常用的硬件加速器，可以显著加快许多 AI 和数据科学计算，特别是深度学习模型的训练。Colab 免费提供 GPU 资源！
TPU (张量处理单元): Google 自主研发的专用芯片，专门为加速 AI 计算设计，尤其擅长处理大型机器学习模型。Colab 也免费提供 TPU 资源！

如何选择？

刚开始学习或运行简单代码，选 None。
进行深度学习模型训练或复杂的科学计算，优先选择 GPU。
处理超大规模模型或想体验极致加速，可以尝试 TPU。

注意:

当你选择 GPU 或 TPU 时，Colab 会提示你：如果不需要硬件加速，请勿占用资源，以便 Google 能更有效地将资源分配给真正需要的人。
如果你的 Notebook 长时间（几小时）处于非活动状态，Colab 会自动断开与服务器的连接以节省资源。别担心，你的代码都还在，只是需要重新运行。可以通过 “代码执行程序 (Runtime)” -> “全部运行 (Run all)” 来重新执行所有单元格。

四、内置宝库：预装的库与安装新库

Colab 的一大核心优势就是 预装了绝大多数常用的 AI 和数据科学库。

1. 直接使用预装库: 像 TensorFlow, PyTorch, NumPy, Pandas, Matplotlib, Scikit-learn 等库，你无需安装，直接 import 即可使用。

Python

import tensorflow as tf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import torch# 可以检查一下版本
print("TensorFlow Version:", tf.__version__)
print("NumPy Version:", np.__version__)
print("Pandas Version:", pd.__version__)
print("PyTorch Version:", torch.__version__)

2. 安装其他库: 如果需要使用 Colab 未预装的库，也非常简单。只需在 pip install 命令前加上一个 感叹号 !，即可在 Colab 环境中执行终端命令。

Python

# 安装一个未预装的库，例如 'seaborn'
!pip install seaborn# 安装完成后，就可以正常导入使用了
import seaborn as sns
print("Seaborn 安装并导入成功！")

五、 Notebook 管理与分享

1. 创建与打开: 通过“文件 (File)”菜单可以方便地创建新 Notebook 或打开 Google Drive 中已有的 Notebook。

2. 处理教程/共享代码 (重要!): 当你打开别人分享的 Colab Notebook (例如教程) 时，通常是只读模式。为了能够运行和修改代码，你需要先 “文件 (File)” -> “在云端硬盘中保存副本 (Save a copy in Drive)”。这会在你自己的 Google Drive 中创建一个可编辑的副本。

3. 分享你的成果: 点击 Notebook 右上角的 “共享 (Share)” 按钮，你可以像分享 Google Docs 一样，生成一个链接，将你的 Notebook 分享给其他人。对方只需拥有 Google 账户和网络连接，就能查看甚至运行你的代码（取决于你设置的权限）。这使得协作和教学变得极其方便。

4. 下载 Notebook: 如果你想将 Notebook 保存到本地，可以通过 “文件 (File)” -> “下载 (Download)” 选择下载为 .ipynb 文件（Jupyter Notebook 的标准格式）或 .py 文件（纯 Python 脚本）。