簡介
上一篇文章中，我們簡單介紹了 Google Colab 這個好用的機器學習服務，在這篇文章中，我們將對如何使用 Google Colab 作更進一步的介紹，包含如何建立一個 Google Colab 文件、並認識環境，一起突破使用 Google Colab 的第 0 關！
建立檔案
只要你有 Google 帳號，你就可以使用 Google Colab 這個免費服務！
第一次使用時，進入你的 [ Google 雲端硬碟 ] 進行以下步驟：
- 點選 [ 右鍵 ] → 按下 [ 連結更多應用程式 ]（如圖一）
- 在右上角打入 Colaboratory 搜尋之後按下 [ 連結 ]（如圖二）
只要你連結過 Colaboratory 之後，日後在 Google 雲端硬碟中按右鍵，更多的選單中就會出現 Colaboratory 的選項囉！而建立 Google Colab 檔案的方式也很直觀，只要：
- 在 Google 雲端硬碟中按 [ 右鍵 ] → 點選 [ Colaboratory ] 的選項
就會自動建立一個 Google Colab 使用的文件了，點選出現的 .ipyb 檔案按下 Enter 鍵，就會自動開啟檔案並進入 Google Colab 的介面（如圖三），讓我們進去看看吧！
認識環境與設定
以下簡單介紹 Google Colab 環境常用的介面選項。
重新命名
進入 Google Colab 介面後，如果想更改檔案名稱只要在左角點擊檔案名稱，就可以立即為檔案重新命名（當然也可以在雲端硬碟重新命名）。
語言選擇
目前 Google Colab 在中文只有簡體中文介面，如果喜歡使用英文介面的朋友們可以點選 [ 幫助 ] → 按下 [ 查看英文版 ]，就能切換到英文使用介面囉！
設定使用 GPU
若是想使用 GPU 來訓練模型，就必須先選擇含有 GPU 的使用環境，否則只會被分配到沒有 GPU 的虛擬機，而設定的方式為：在代碼執行程序中選擇 [ 更改運行時類型 ] → 硬件加速器選項選擇 [ GPU ]。
大家應該也有發現現在 Colab 也提供了 TPU 使用服務！若想使用 TPU 來幫助運算也可以在這邊進行選擇。而若是你有需求想要選擇 Python 2 當作使用的語言也可以在這邊進行設定（預設是 Python 3 ）。
查看 GPU 資訊
既然有免費的 GPU 可以使用，大家當然也會想知道到底被分配到了多少 GPU 能夠使用，因此這邊提供兩個方法讓各位查看 GPU 的相關訊息。
- 方法一：輸入
!nvidia-smi並執行
- 方法二：輸入以下 Code 並執行（也可看到虛擬機有多少 RAM ，參考來源）
不管是使用哪一個方法，我們都能看到結果就是這次我們大約被分配到了 11441 MB （約為 11.17 GB ）的 GPU RAM ，據我的印象每次被分配到的大小可能會有些許的不同，因此你也可以檢查看看你被分配到多少 GPU RAM 唷！另外方法二中也可以看出我們虛擬機的記憶體也大約有 12.9 GB 可以使用，可以說是還蠻足夠使用的大小。
開始寫 Code
如同先前提到， Google Colab 的使用介面和 Jupyter Notebook 是幾乎一模一樣的，連文件的副檔名也一樣是 .ipynb，這代表著兩者其實是兼容的，假如你電腦中已經有一份 .ipynb 的文件，只要傳上 Google 雲端硬碟便可以用 Google Colab 開啟執行唷！
而在文件中只要在單元格中打入 Python 語法之後，按下：
- Shift + Enter：執行此單元格後，移至下個單元格（若下面無單元格則會新建一個新的單元格）
- Ctrl + Enter：執行此單元格
以上兩個快捷鍵是我個人最常使用的執行方式，供大家參考，而 Google Colab 也額外提供了一個執行方式就是點選單元格左方出現的箭頭 ▶ ，也一樣可以執行單元格中的程式碼喔！
暗黑模式與 UI 更新
最近使用時發現 Google Colab 也增加了暗黑（Dark ）模式！而當我們分配到虛擬機時， UI 介面上也多了硬碟空間與 RAM 使用量的視覺化，我們可以從介面中更快速地了解現在使用了多少資源唷！[ 2019/3/28更新 ]
下一步
在下一篇文章中，預計介紹如何從 Google 雲端硬碟匯入自己上傳的 dataset。
Google Colab 系列文章
- 使用 Google Colab 進行機器學習吧！
- 第一次用 Google Colab 就上手
