راهنمای جامع استفاده از Google Colab برای پروژه‌های پایتون

Google Colab، که به نام Colaboratory نیز شناخته می‌شود، یک ابزار آنلاین رایگان از گوگل است که به شما امکان می‌دهد کد پایتون را مستقیماً در مرورگر خود بنویسید و اجرا کنید. این ابزار شبیه به Jupyter Notebook عمل می‌کند، اما بدون دردسر نصب، زیرا همه‌چیز در فضای ابری اجرا می‌شود. Colab به‌ویژه برای یادگیری ماشین و علم داده‌ها مفید است، زیرا با یک محیط آماده و دسترسی رایگان به GPU برای پردازش سریع‌تر ارائه می‌شود. بیایید بررسی کنیم چگونه می‌توانید از Google Colab برای پروژه‌های خود استفاده کنید.

چه کسانی باید از Google Colab استفاده کنند؟

Google Colab برای هر کسی که بخواهد پایتون، علم داده‌ها، یا یادگیری ماشین را بدون نیاز به کامپیوتر قدرتمند کاوش کند، مفید است.

• دانشجویان و مبتدیان: می‌توانند از Colab برای کاوش پایتون و علم داده‌ها مستقیماً در مرورگر بدون نیاز به نصب یا راه‌اندازی استفاده کنند.
• علاقه‌مندان به علم داده‌ها و یادگیری ماشین: می‌توانند با کتابخانه‌های از پیش نصب‌شده و دسترسی رایگان به GPU و TPU، آموزش مدل‌ها را سرعت بخشند.
• محققان و حرفه‌ای‌ها: می‌توانند ایده‌ها را به‌سرعت آزمایش کنند و از طریق نوت‌بوک‌های مبتنی بر ابر بدون نگرانی از تنظیمات محلی همکاری کنند.
• کاربران با سخت‌افزار محدود: می‌توانند وظایف سنگین را بدون نیاز به کامپیوتر پیشرفته اجرا کنند.

دسترسی به Google Colab

برای استفاده از Google Colab، به وب‌سایت Google Colab بروید و با حساب گوگل خود وارد شوید. پس از باز شدن صفحه، یک پنجره پاپ‌آپ با گزینه‌های مختلف ظاهر می‌شود:

• تب Examples نوت‌بوک‌های آماده Jupyter را ارائه می‌دهد که می‌توانید کاوش کنید.
• تب Recent نوت‌بوک‌هایی که اخیراً روی آن‌ها کار کرده‌اید را نشان می‌دهد.
• اگر نوت‌بوک‌هایی در Google Drive خود ذخیره کرده‌اید، می‌توانید از طریق تب Google Drive به آن‌ها دسترسی پیدا کنید.
• می‌توانید Colab را به حساب GitHub خود متصل کنید تا نوت‌بوک‌های ذخیره‌شده در آنجا را باز کنید.
• گزینه Upload به شما امکان می‌دهد نوت‌بوکی را مستقیماً از کامپیوتر خود اضافه کنید.

اجرای کد پایتون در Google Colab

برای ایجاد یک نوت‌بوک جدید، روی دکمه New Notebook در پایین-راست پنجره پاپ‌آپ کلیک کنید.

یا می‌توانید به صفحه اصلی بروید و از نوار منو گزینه File > New Notebook in Drive را انتخاب کنید.

به‌طور پیش‌فرض، نوت‌بوک با نام Untitled.ipynb ذخیره می‌شود و در Google Drive شما قرار می‌گیرد. می‌توانید روی عنوان در بالا چپ کلیک کنید تا آن را تغییر نام دهید و سپس شروع به نوشتن کد پایتون کنید.

پس از نوشتن کد پایتون، Shift + Enter را فشار دهید یا روی دکمه Run all کلیک کنید تا نوت‌بوک اجرا شود.

یکی از ویژگی‌های مفید Google Colab، دستیار کدنویسی هوش مصنوعی آن است. به‌جای نوشتن کد از ابتدا، می‌توانید از هوش مصنوعی بخواهید که توابع را پیشنهاد دهد، خطاها را برطرف کند، یا برنامه‌های نمونه ایجاد کند.

برای مثال، من از ویژگی هوش مصنوعی Colab درخواست کردم: Write Python code to plot numbers 1–۱۰ and their squares، و کد را فوراً تولید کرد.

با این حال، باید کد تولیدشده توسط هوش مصنوعی را با دقت بررسی کنید. هوش مصنوعی ممکن است خطاهایی وارد کند، جزئیات مهمی را از قلم بیندازد، یا دستوراتی استفاده کند که دقیقاً با نیازهای شما مطابقت ندارند.

سازمان‌دهی و مدیریت نوت‌بوک‌ها

در Google Colab، سازمان‌دهی کار شما ساده است زیرا همه نوت‌بوک‌ها در Google Drive شما ذخیره می‌شوند. می‌توانید یک نوت‌بوک را مانند فایل‌های معمولی به هر پوشه‌ای در Drive منتقل کنید. این کار جداسازی پروژه‌ها و مرتب نگه داشتن همه‌چیز را آسان‌تر می‌کند.

ویژگی مفید دیگر، تاریخچه نسخه‌ها (version history) است. Colab به‌طور خودکار پیشرفت شما را ذخیره می‌کند، و می‌توانید از تاریخچه نسخه‌ها برای بازگشت و بازیابی نسخه‌های قبلی نوت‌بوک خود در صورت بروز مشکل استفاده کنید. برای این کار، کافی است روی File کلیک کنید و از منوی کشویی Revision History را انتخاب کنید.

می‌توانید کارهای قبلی خود را بازبینی کرده و در صورت نیاز بازیابی کنید.

علاوه بر این، Colab به شما امکان می‌دهد نوت‌بوک‌های خود را در قالب‌های مختلف دانلود کنید. برای مثال، می‌توانید آن‌ها را به‌عنوان فایل‌های .ipynb ذخیره کنید تا بعداً در Jupyter Notebook باز کنید، یا به‌عنوان فایل‌های .py صادر کنید اگر بخواهید کد را مستقیماً در یک محیط پایتون خارج از Colab اجرا کنید. برای این کار، به File بروید، روی گزینه Download بروید و قالب دانلود مورد نظر خود را انتخاب کنید.

مدیریت و مشاهده سلسله‌مراتب فایل‌ها

Colab همچنین یک مدیر فایل داخلی ارائه می‌دهد. در سمت چپ نوت‌بوک، درست زیر نوار ابزار، می‌توانید روی آیکون Folder کلیک کنید تا سلسله‌مراتب فایل‌ها را مشاهده کنید.

از اینجا می‌توانید فایل‌های آپلودشده، دایرکتوری‌های متصل به Drive، و حتی ایجاد یا حذف پوشه‌ها را ببینید.

آپلود فایل‌ها به Google Colab

می‌توانید فایل‌ها را به Colab از طریق File Explorer یا با کد پایتون آپلود کنید. برای استفاده از File Explorer، روی آیکون پوشه در نوار کناری سمت چپ کلیک کنید، دکمه Upload (فلش رو به بالا) را فشار دهید و فایلی را از سیستم خود انتخاب کنید.

به‌عنوان جایگزین، می‌توانید از کد پایتون با تابع files.upload() از Google Colab استفاده کنید که یک کادر محاوره‌ای باز می‌کند و به شما امکان می‌دهد فایل‌ها را مستقیماً به Colab آپلود کنید:

from google.colab import files
uploaded = files.upload()

وقتی این نوت‌بوک را اجرا می‌کنید، از شما می‌خواهد فایلی را آپلود کنید. روی دکمه Choose file کلیک کنید تا هر فایلی که نیاز دارید را انتخاب و آپلود کنید.

پس از آپلود، می‌توانید فایل را در نوت‌بوک خود بخوانید و پردازش کنید. علاوه بر این، می‌توانید Google Drive را در Colab با اجرای کد زیر متصل کنید:

from google.colab import drive
drive.mount('/mntDrive')

البته، باید اجازه دسترسی به Google Drive خود را بدهید.

پس از اتصال، می‌توانید به فایل‌های Drive خود مانند فایل‌های محلی دسترسی پیدا کنید.

اشتراک‌گذاری نوت‌بوک‌ها با دیگران

مانند اشتراک‌گذاری یک فایل در گوگل درایو، Google Colab به شما امکان می‌دهد نوت‌بوک خود را با وارد کردن آدرس‌های ایمیل یا با تولید یک لینک قابل اشتراک‌گذاری که دیگران می‌توانند برای مشاهده یا ویرایش استفاده کنند، بسته به مجوزهایی که انتخاب می‌کنید، به اشتراک بگذارید.

فعال‌سازی GPU/TPU برای سرعت بخشیدن به وظایف

یکی از بزرگ‌ترین مزایای Google Colab ارائه دسترسی رایگان به سخت‌افزارهای قدرتمند مانند GPU (واحد پردازش گرافیکی) و TPU (واحد پردازش تنسور) است. این شتاب‌دهنده‌ها زمان لازم برای آموزش مدل‌های یادگیری ماشین را در مقایسه با اجرای آن‌ها فقط روی CPU کاهش می‌دهند.

برای فعال کردن آن‌ها، به منوی Runtime بروید و Change runtime type را انتخاب کنید.

در منوی کشویی Hardware accelerator، شتاب‌دهنده سخت‌افزاری مورد نظر خود را انتخاب کنید.

پس از فعال کردن GPU یا TPU در Google Colab، بهتر است تأیید کنید که نوت‌بوک شما واقعاً به سخت‌افزار انتخاب‌شده متصل است. برای مثال، برای بررسی GPUها، می‌توانید یک تست ساده با TensorFlow اجرا کنید:

import tensorflow as tf
if tf.config.list_physical_devices('GPU'):
    print("GPU is available")
else:
    print("No GPU detected")

اگر GPU فعال باشد، در دسترس بودن آن را تأیید می‌کند؛ در غیر این صورت، پیامی مبنی بر عدم یافتن GPU خواهید دید.

وارد کردن کتابخانه‌ها در Google Colab

یک ویژگی مفید دیگر در Colab این است که می‌توانید بسته‌های پایتون را با pip نصب کنید، درست مانند کامپیوتر محلی خود. این کار وارد کردن هر کتابخانه‌ای که نیاز دارید را آسان می‌کند. برای مثال، اگر بخواهید از Faker استفاده کنید، کافی است اجرا کنید:

!pip install faker

کتابخانه مورد نظر در محیط Colab شما نصب می‌شود و آماده استفاده است.

کار با مخازن GitHub

می‌توانید مستقیماً مخازن GitHub را به محیط Colab خود کلون کنید. این کار به شما کمک می‌کند تا پروژه‌های موجود را وارد کنید، آن‌ها را آزمایش کنید، و حتی بدون نیاز به دانلود و آپلود دستی فایل‌ها، تغییراتی ایجاد کنید. برای مثال، اگر بخواهید پروژه‌ای از GitHub استفاده کنید، می‌توانید با اجرای دستور زیر در یک سلول Colab آن را کلون کنید:

!git clone https://github.com/Anees1214/mte.git

پس از تکمیل کلونینگ، یک پوشه جدید به نام mte در فضای کاری شما ظاهر می‌شود.

به این ترتیب، می‌توانید مستقیماً به کد، نوت‌بوک‌ها، و سایر منابع مخزن در Colab دسترسی پیدا کنید.

جمع‌بندی

Google Colab دسترسی به پایتون در ابر را به همراه ابزارهایی برای اجرای کد، مدیریت فایل‌ها، و حتی استفاده از GPUها و TPUها فراهم می‌کند. تنظیمات محلی همچنان جایگاه خود را دارند، اما Colab زحمت را حذف کرده و کارها را ساده نگه می‌دارد. این گزینه‌ای عالی است وقتی می‌خواهید به‌سرعت شروع کنید یا کار خود را به‌طور یکپارچه به اشتراک بگذارید.

بیشتر بخوانید:

آموزش کاربردی pip در پایتون
Poetry چیست و چه کاربردی در پایتون دارد
آموزش کاربردی برنامه نویسی شی گرا در پایتون