AI换脸用户端colab体能训练示例有什么样？是不是化解？

colab的采用时数那个难题相信许多人都有过这样的所苦！

非官方说明

非官方的说明软件包的最久开发周期能达至12个半小时，但许多情况下我们的正常的采用天数显然就没12个半小时。

新提出申请的Google帐号种叠是能间接采用GPU的，也是说能“薅市场经济的亚麻”但你能提出申请到的GPU也是K80 或者是P100，脸白的兄弟能连续采用两个半小时的天数，但绝大多数的玩者也是一个半小时不到的天数，与非官方说明的相连时数有很大的差异，显然就没说的12个半小时。

所以达至额度后不会再继续对外开放（我提出申请过很5个双簧管，到现在年末三个月了却是没找出，无可奈何下优先选择氪金）

那个时候就要想到升级换代掏钱的Pro版了 非官方的订价是**美元（订阅方式在该文的前面会有专门的说明）

升级换代的PRO版生前特地试验过，在你额度后只要升级换代后就会立刻启用不再额度，所以采用的是新一代的显示卡（Tesla V100-SXM2-16GB），即使是显示额度后隔天就会找出（这些小东西都是作者他们采用之后再写的小东西都是新一代的也是最真实世界的）启用后能化解许多的难题，如果要是你急于经常采用的，我提议完全能升级换代!!

体能训练数学模型截屏

单纯的说这是一张市场价 几百块的显示卡，很贵了，不提议！

互联网片断

无论是想自学AI换脸影视娱乐的也罢，却是想自学广度自学体能训练数学模型的也罢，这都是一个极好的优先选择，用户端体能训练数学模型的缺点有许多，举个单纯的范例：不必挤占他们的笔记本电脑，间接在中文网站上运行，只需要能够出访Google就好（出访的方法就要放在该文的最后）

用户端体能训练ai换脸的数学模型方法很单纯，浏览器出访下面的网址一步一步在“笔记本”中运行就好了

Deepfacelab 用户端体能训练中的常见的代码难题

一、

在“笔记本”中下载deepfacelab时下载的就只是deepfacelab软件的本身（说白了是一个文件夹），没workspace的文件夹（研究过换脸软件的应该都懂）需要他们上传他们的两个data的视频文件，许多人在那个地方都会踩坑，不知道该是不是办，这里作者分享一个单纯好用的方法减少出错的概率（基本不会出错）这算是一个小技巧，刚开始玩的同学可能会出现这样的难题！

!git clone workspace

间接在旧笔记本中运行上面代码框中的代码（运行完成后在deepfacelab文件夹下会生成一个workspace的文件夹，那个是换脸软件最初的给的文件，里面的视频也是原版视频，采用的时候将这两个data的视频删除后上传他们需要换脸的视频）这样会间接化解上传视频文件出错的难题。也是相当的好用！

继续体能训练时能间接运行下面的代码，最好不要分开运行，很容易出错！

二、

在执行代码时互联网不好的情况经常出现，那个时候需要重新相连，那个时候最容易出现代码出错难题（如下图）

如歌出现类似上面这样的代码说明你需要重新挂载你的google云盘，很单纯只要重新加载挂载Google云盘的代码就好！

三、

如果遇到这样的代码出错的情况，那是你需要重新安装的你的python环境才能够正常的运行

其他的难题：

一、在你剪切你的视频里面的脸的时候需要你他们去检查切脸的情况，间接点击workspace下面的目录查看文件就好，注意：删除的照片是aligned里面的照片 data下面的照片是全部的照片千万不要动（许多人基本上不太在意这一点，出错后再去注意）

二、代码最好一气呵成，只要是运行到了组后的体能训练阶段就好，中键的步骤太多最容易出现错误。所以要确保他们的互联网环境是稳定的，不要出现波动。只要是到了体能训练的阶段就会省事许多

三、国内的卡是没办法去支付Google的，那个时候你能去办理一张双币的信用卡，他们去间接订阅。也能间接上淘宝找这样的代付的网店一般也是七十多块钱吧。还有一种方法也是用苹果手机的订阅方式

google colab pro退订

进入设置。

操作步骤：1、打开colabpro。

2、进入设置。

3、点击colabpro项里面的取消订阅。Colab是谷歌推出的一款在线广度自学工具，提供TeslaV100、T100等GPU。

Colab Pro+每月50刀的会员值不值？有人做了个开箱测评

机器之心报道

编辑：陈萍、小舟

对于没 GPU 的小伙伴们来说，谷歌 Colab 是一个公认的「真香」神器，穷苦学生党也能免费薅亚麻。

不过，采用的人多了，难免会出现不如意的情况，几个半小时就掉一次线、分配的 RAM 不足等难题随之而来。然后 Colab 开启了会员机制。

就在前几天 Colab 搞了个会员 Colab Pro+，每月 50 刀、体能训练 24 小时不掉线。除了这种堪称会员 Pro + 外，还有每月差不多 10 美元的 Colab Pro 超级会员。

据了解，Pro + 最大的特点是「后台执行」，关了浏览器还能运行那种。此外，Pro + 版的 GPU、内存和运行时数也将全面升级换代。

Pro + 究竟升级换代了什么，谷歌在「示例解答」里写得非常清楚。总结一下是：

50 刀的价格属实不菲，入手之前不如先看看别人是不是说。一位名叫 Martin Henze 的开发者最近充了 Colab Pro + 会员，我们来看看 ta 的「开箱测评」。

事情是这样的，Martin Henze 参加了 Kaggle 的比赛，用的是他们的笔记本笔记本电脑，对于小数学模型和小图像来说他们的笔记本电脑也够用，但要想在排行榜上打榜升级换代，就必须扩大数学模型和数据规模，这样一来，笔记本电脑完全 hold 不住了。在 GPU 不够用的情况下，Henze 决定采用 Google Colab 订阅选项来化解。

Henze 表示他们以前只采用过免费版的 Colab，现在发现还有 2 个订阅版：Colab Pro 和 Colab Pro+。与 Pro 相比，Pro+ 版宣传「优先出访更快的 GPU」。这么看来 Pro + 多了一个优先级，Pro 用户接下来的采用体验可能就没那么丝滑了。因此 Henze 萌生了试验 Pro + 的想法。

Henze 写了一篇博客来介绍他们在 Colab Pro+ 中发现的功能，以及在 Kaggle 比赛中采用 Colab 的最佳方法。此外，该文最后还介绍了 Colab 的可替代方案。

Colab Pro + 的特性

至于 Colab 的 TPU 运行时以及并发 CPU 会话的数量，Henze 还没进行试验。

一方面有优势，与免费的 Colab 和 Kaggle 资源相比，Pro + 用户能享受更高的相连稳定性，即使关闭计算机或浏览器标签页后，程序也能继续执行，上限是 24 半小时。另一方面也有一些限制，例如在天数紧迫的情况下，一次只能进行 1 个会话，或者采用较慢的 P100 进行 2 个会话。

另外请注意，Colab FAQ 指出：为了防止有限的资源被少数用户垄断，Colab Pro 和 Pro + 中的资源优先考虑最近采用资源较少的用户。因此，用户似乎不太可能在三个月的天数里全天候采用 V100 GPU。对于这一点，作者也急于进行更多的实验，也许会遇到那个限制。

将 Kaggle Notebook 移到 Colab 上

如果你在一周内已经超出了能采用的（相当多的）Kaggle 资源，或者在短天数内需要更多的资源，将 Kaggle Notebook 移到 Colab 将是一个很好的优先选择，在 Colab 上能继续体能训练和实验。但这一过程并不容易，需要面临两个挑战：获取数据、设置 notebook 环境。此外，Colab 放弃了许多标准的 Jupyter 快捷键，这种做法会增加用户的工作量。

在 数据导入 Colab 方面：目前最好和最快的方法是通过 GCS_DS_PATH 复制数据，即谷歌云存储路径。自 2020 年 Kaggle 被谷歌以来，其框架已被大量集成到谷歌的云环境中。Kaggle 数据集和比赛数据都有云存储地址，能从那里将数据转移到 Colab 上。

你能通过在 Kaggle Notebook 中运行以下代码来获得 GCS_DS_PATH。将 seti-breakthrough-listen 替换为你他们的比赛（competition）或数据集的名称：

在 Colab 中，你能采用 gsutil 工具复制数据集，甚至是单个文件夹，就像这样：

这比从 Google Drive 复制或通过 Kaggle API 下载来检索数据的速度要快得多。当然，获取数据也受到 24 半小时运行时的限制。需要注意的是，会话断开后数据就丢失了，需要在新的会话中重新设置。

在会话中创建的文件（例如经过体能训练的数学模型权重或提交文件）或用户安装的自定义库，也要受到类似的限制。Colab 安装了常用的 Python 和广度自学工具，但都是旧版。用户能通过 pip 进行更新：

需要注意两件事：安装后需要重新启动才能导入新库。不必担心，重启后数据仍然存在，但你需要确保留出足够的磁盘空间来安装。

将输出保存在 Drive 上：最后要确保将实验结果（经过体能训练的权重、提交文件等）复制到 Google Drive 账户，以确保在运行时断开相连却不会丢失它们。当然你也能手动下载，但自动复制相对更可靠。

能像这样在 Colab notebook 中采用 Drive：

然后复制文件，例如通过 Python 中的 os.system。

可供优先选择的其他云 GPU

除了 Colab 及其订阅版以外，还有其他的云 GPU 替代方案，或许它们能提供更多的性能（也许能用上 A100），或许是更便宜、采用更灵活。除了大家所熟知的 GCP 和 AWS，还包括以下：

Paperspace Gradient ：G1 采用费用为每月 8 美元，并提供 GPU 和 6 半小时运行时限制的免费版。除此之外，每半小时花费 2.30 美元能运行 V100。此外，G1 还能提供 200GB 的存储空间和 5 个并行运行的 notebook。

JarvisCloud ：每半小时 2.4 美元可采用 A100 GPU 。此外，JarvisCloud 还提供新一代的 Pytorch、FastAI、Tensorflow 作为预安装框架。存储高达 500GB，每半小时最高 7 美分。

Vast.ai ：是一个出租 GPU 的平台。你能在此出访 GCP、AWS 和 Paperspace 资源。不过价格差异很大，但有些看起来比具有相似可靠性的大公司便宜得多。

OracleCloud ：每半小时支付约 3 美元可运行 V100，与 AWS 相当。此外， A100 也即将投入采用。

OHVcloud ：一家以价格优惠而闻名的法国供应商。每半小时支付 1.7 美元就能采用 1 块 V100，并提供 400GB 的存储空间。

当前市面上有许多云 GPU 优先选择，也许在这种良性竞争下，我们会看到价格的合理调整。

参考链接：

Google Colab平台采用

Colab全称Colaboratory，是Google提供的一个Jupyter Notebook式的交互环境，在用户端运行，提供 免费 的GPU资源，用户能间接采用。并且创建的Notebook存储在用户端硬盘中，能方便与他人共享。

Colab采用教程

有个小tip需要注意，当采用命令 !cd mydir 切换当前目录时，具有一定的时效性，仅对当前行起作用；而采用命令 %cd mydir 切换目录才具有持久性，即停留在 mydir 目录下。

googlecolab是不是进入的介绍就聊到这里吧，感谢你花天数阅读本站内容，更多关于google colab采用、googlecolab是不是进入的信息别忘了在本站进行查找喔。有需要独享得id能点击下方广告链接进入。独享一人一号。