Enviar pesquisa
Carregar
Google Colaboratoryの使い方
•
5 gostaram
•
7,466 visualizações
Katsuhiro Morishita
Seguir
Google Colaboratoryの使い方について、授業で使う範囲で必要なことを説明してみました。
Leia menos
Leia mais
Engenharia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 22
Baixar agora
Baixar para ler offline
Recomendados
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
Marp Tutorial
Marp Tutorial
Rui Watanabe
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
Deep Learning JP
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
Deep Learning JP
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
Takahiro Kubo
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
Recomendados
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
Marp Tutorial
Marp Tutorial
Rui Watanabe
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
Deep Learning JP
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
Deep Learning JP
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
Takahiro Kubo
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
Deep Learning JP
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
harmonylab
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善
Naoaki Okazaki
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
Deep Learning JP
Interspeech2022 参加報告
Interspeech2022 参加報告
Yuki Saito
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
Deep Learning JP
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
Takuya Akiba
モデルアーキテクチャ観点からの高速化2019
モデルアーキテクチャ観点からの高速化2019
Yusuke Uchida
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
Fumihiko Takahashi
Graph Attention Network
Graph Attention Network
Takahiro Kubo
[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介
[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介
Deep Learning JP
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
ychtanaka
Pytorch
Pytorch
卓馬 三浦
Introduction of network analysis with Google Colaboratory -- Introduction of ...
Introduction of network analysis with Google Colaboratory -- Introduction of ...
tm1966
Mais conteúdo relacionado
Mais procurados
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
Deep Learning JP
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
harmonylab
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善
Naoaki Okazaki
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
Deep Learning JP
Interspeech2022 参加報告
Interspeech2022 参加報告
Yuki Saito
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
Deep Learning JP
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
Takuya Akiba
モデルアーキテクチャ観点からの高速化2019
モデルアーキテクチャ観点からの高速化2019
Yusuke Uchida
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
Fumihiko Takahashi
Graph Attention Network
Graph Attention Network
Takahiro Kubo
[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介
[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介
Deep Learning JP
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
ychtanaka
Mais procurados
(20)
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
全力解説!Transformer
全力解説!Transformer
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
画像キャプションの自動生成
画像キャプションの自動生成
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
Interspeech2022 参加報告
Interspeech2022 参加報告
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
モデルアーキテクチャ観点からの高速化2019
モデルアーキテクチャ観点からの高速化2019
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
Graph Attention Network
Graph Attention Network
[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介
[DL輪読会]Convolutional Conditional Neural Processesと Neural Processes Familyの紹介
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
Semelhante a Google Colaboratoryの使い方
Pytorch
Pytorch
卓馬 三浦
Introduction of network analysis with Google Colaboratory -- Introduction of ...
Introduction of network analysis with Google Colaboratory -- Introduction of ...
tm1966
Jupyter で Neo4j と PGX を使う
Jupyter で Neo4j と PGX を使う
Mio Takei
Google colab 2
Google colab 2
Masatoshi Itagaki
Introduction of network analysis with Google Colaboratory -- Orientation
Introduction of network analysis with Google Colaboratory -- Orientation
tm1966
Google ColabでDL入門
Google ColabでDL入門
Masatoshi Itagaki
今時のオンプレなgithubクローン環境構築
今時のオンプレなgithubクローン環境構築
You&I
Python開発環境構築ハンズオンセミナー
Python開発環境構築ハンズオンセミナー
地球人
鳥取python勉強会 第2回
鳥取python勉強会 第2回
Yuji Oyamada
PythonのインストールからHello Worldまで
PythonのインストールからHello Worldまで
Kioto Hirahara
Windowsにpythonをインストールしてみよう
Windowsにpythonをインストールしてみよう
Kenji NAKAGAKI
深層学習ライブラリのプログラミングモデル
深層学習ライブラリのプログラミングモデル
Yuta Kashino
Django から各種チャットツールに通知するライブラリを作った話
Django から各種チャットツールに通知するライブラリを作った話
Yusuke Miyazaki
Python界隈の翻訳プロジェクト
Python界隈の翻訳プロジェクト
Tetsuya Morimoto
pf-5. リストと繰り返し
pf-5. リストと繰り返し
kunihikokaneko1
入門書を読み終わったらなにしよう? 〜Python と WebAPI の使い方から学ぶ次の一歩〜 / next-step-python-programing
入門書を読み終わったらなにしよう? 〜Python と WebAPI の使い方から学ぶ次の一歩〜 / next-step-python-programing
Kei IWASAKI
Yapc2012資料
Yapc2012資料
matsuo kenji
2013_kougi6
2013_kougi6
ytanno
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Katsuhiro Morishita
pf-1. Python,Google Colaboratory
pf-1. Python,Google Colaboratory
kunihikokaneko1
Semelhante a Google Colaboratoryの使い方
(20)
Pytorch
Pytorch
Introduction of network analysis with Google Colaboratory -- Introduction of ...
Introduction of network analysis with Google Colaboratory -- Introduction of ...
Jupyter で Neo4j と PGX を使う
Jupyter で Neo4j と PGX を使う
Google colab 2
Google colab 2
Introduction of network analysis with Google Colaboratory -- Orientation
Introduction of network analysis with Google Colaboratory -- Orientation
Google ColabでDL入門
Google ColabでDL入門
今時のオンプレなgithubクローン環境構築
今時のオンプレなgithubクローン環境構築
Python開発環境構築ハンズオンセミナー
Python開発環境構築ハンズオンセミナー
鳥取python勉強会 第2回
鳥取python勉強会 第2回
PythonのインストールからHello Worldまで
PythonのインストールからHello Worldまで
Windowsにpythonをインストールしてみよう
Windowsにpythonをインストールしてみよう
深層学習ライブラリのプログラミングモデル
深層学習ライブラリのプログラミングモデル
Django から各種チャットツールに通知するライブラリを作った話
Django から各種チャットツールに通知するライブラリを作った話
Python界隈の翻訳プロジェクト
Python界隈の翻訳プロジェクト
pf-5. リストと繰り返し
pf-5. リストと繰り返し
入門書を読み終わったらなにしよう? 〜Python と WebAPI の使い方から学ぶ次の一歩〜 / next-step-python-programing
入門書を読み終わったらなにしよう? 〜Python と WebAPI の使い方から学ぶ次の一歩〜 / next-step-python-programing
Yapc2012資料
Yapc2012資料
2013_kougi6
2013_kougi6
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
pf-1. Python,Google Colaboratory
pf-1. Python,Google Colaboratory
Mais de Katsuhiro Morishita
数ページの卒業論文作成のためのwordの使い方
数ページの卒業論文作成のためのwordの使い方
Katsuhiro Morishita
Pythonのパッケージ管理ツールの話@2020
Pythonのパッケージ管理ツールの話@2020
Katsuhiro Morishita
オトナのpandas勉強会(資料)
オトナのpandas勉強会(資料)
Katsuhiro Morishita
SIgfox触ってみた in IoTLT in 熊本市 vol.3
SIgfox触ってみた in IoTLT in 熊本市 vol.3
Katsuhiro Morishita
Excelでのグラフの作成方法re
Excelでのグラフの作成方法re
Katsuhiro Morishita
Pythonのmain関数
Pythonのmain関数
Katsuhiro Morishita
Pythonスクリプトの実行方法@2018
Pythonスクリプトの実行方法@2018
Katsuhiro Morishita
機械学習と主成分分析
機械学習と主成分分析
Katsuhiro Morishita
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Katsuhiro Morishita
マークシート読み込みプログラムを作ってみた@2018-04-04
マークシート読み込みプログラムを作ってみた@2018-04-04
Katsuhiro Morishita
オトナの画像認識 2018年3月21日実施
オトナの画像認識 2018年3月21日実施
Katsuhiro Morishita
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
Katsuhiro Morishita
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
Katsuhiro Morishita
シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-07 ニューラルネットワークによる非線形回帰
Katsuhiro Morishita
シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰
Katsuhiro Morishita
シリーズML-05 ニューラルネットワーク
シリーズML-05 ニューラルネットワーク
Katsuhiro Morishita
シリーズML-03 ランダムフォレストによる自動識別
シリーズML-03 ランダムフォレストによる自動識別
Katsuhiro Morishita
シリーズML-01 機械学習の概要
シリーズML-01 機械学習の概要
Katsuhiro Morishita
Pandas利用上のエラーとその対策
Pandas利用上のエラーとその対策
Katsuhiro Morishita
Pythonによる、デジタル通信のための ビタビ符号化・復号ライブラリの作成
Pythonによる、デジタル通信のための ビタビ符号化・復号ライブラリの作成
Katsuhiro Morishita
Mais de Katsuhiro Morishita
(20)
数ページの卒業論文作成のためのwordの使い方
数ページの卒業論文作成のためのwordの使い方
Pythonのパッケージ管理ツールの話@2020
Pythonのパッケージ管理ツールの話@2020
オトナのpandas勉強会(資料)
オトナのpandas勉強会(資料)
SIgfox触ってみた in IoTLT in 熊本市 vol.3
SIgfox触ってみた in IoTLT in 熊本市 vol.3
Excelでのグラフの作成方法re
Excelでのグラフの作成方法re
Pythonのmain関数
Pythonのmain関数
Pythonスクリプトの実行方法@2018
Pythonスクリプトの実行方法@2018
機械学習と主成分分析
機械学習と主成分分析
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
マークシート読み込みプログラムを作ってみた@2018-04-04
マークシート読み込みプログラムを作ってみた@2018-04-04
オトナの画像認識 2018年3月21日実施
オトナの画像認識 2018年3月21日実施
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
LoRa-WANで河川水位を計測してみた@IoTLT@熊本市 vol.001
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-08 ニューラルネットワークを用いた識別・分類ーシングルラベルー
シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-07 ニューラルネットワークによる非線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-06 ニューラルネットワークによる線形回帰
シリーズML-05 ニューラルネットワーク
シリーズML-05 ニューラルネットワーク
シリーズML-03 ランダムフォレストによる自動識別
シリーズML-03 ランダムフォレストによる自動識別
シリーズML-01 機械学習の概要
シリーズML-01 機械学習の概要
Pandas利用上のエラーとその対策
Pandas利用上のエラーとその対策
Pythonによる、デジタル通信のための ビタビ符号化・復号ライブラリの作成
Pythonによる、デジタル通信のための ビタビ符号化・復号ライブラリの作成
Google Colaboratoryの使い方
1.
Google Colaboratoryの使い方 〜授業で使う範囲〜 2019-09-29 森下功啓 1
2.
Colaboratoryとは • ブラウザ上でPythonのプログラムを実行できる環境 • jupyter
notebook環境をGoogleがネット上に提供したもの • ネットとPCがあれば誰でもプログラムを書ける • 最初から数値計算や機械学習のライブラリが入ってる • ノートブックを開く度に新しい仮想環境が提供されるので、安心 • 足りないライブラリは追加でインストールできる • Googleアカウントが必要 2
3.
始め方 • 下記のURLにアクセス • https://colab.research.google.com/?hl=ja •
Googleにログインしていないならログイン 3
4.
まずはノートブックの作成 • メニューの「ファイル」から「Python 3
の新しいノートブック」を選択 4
5.
ノートブックが開いたら、名前を変更 • ブック名をクリックして、キーボードで変更 5
6.
ランタイムのタイプがPython3か確認 • Pythonのバージョン2とバージョン3で は、int型の挙動などが異なる • Pythonのバージョンは3を使おう 6
7.
ノートブックの保存場所 • ノートブックは、標準ではGoogleドライブのマイドライブ内の Colab Notebooksというフォルダに保存される •
ただし、任意の場所にノートブックを移動させたり、作成できる • 右クリック→その他→Colaboratory 7
8.
Colaboratoryの画面説明 8
9.
Colaboratoryの画面説明 9 セル ファイル名 markdown形式でテキストも入力できる セルの実行ボタン セルの追加 サブメニュー セルの移動
10.
プログラムの実行 • プログラムはコード用のセルに書く • セルの左端にある再生マークをクリックすると実行される print命令でaとbの掛け算し た結果が表示された 10
11.
セルの実行のされ方 • セルAを実行しても、Bは実行されない • セル単位で実行される •
Pythonでは、表示はprint()関数を使う • jupyter notebookでは、セルの最後に書い た処理の返り値は表示される • 実行すると、変数などの処理内容はメモリ 内に保存される • セルAを実行すると、変数aとbが保持される • 保持された変数は他のセルでも参照できる 11 セルA セルB
12.
12 セルC セルD セルCとDを順に実行 した様子 セルCでdに1が代入さ れた後に、セルDでd を10倍した値がdに再 代入されて10と表示 された。 セルDを更に実行し た様子 セルDでdを10倍した 値がdに再代入され て100と表示された。 セルDを更に更に実 行した様子 セルDでdを10倍した 値がdに再代入され て1000と表示された。
13.
Colaboratory (jupyter noteboook)利用上の注意 •
長い複雑な処理を結果を確認しながら小分けに書ける • すごく便利だが、 • セルを上から順に実行しなくても動く。動いてしまう。 • 処理結果が他のセルに依存しやすいし、変数名が同じだと中身が 上書きされて意図通りに動かないことがある • 基本的に、1つのノートブックには、1つのテーマとした方が良い • 作ったプログラムをローカル上で動かす方法もあるが、省略 • 卒研等で必要なら相談してください 13
14.
Colaboratoryへのファイルのアップ方法1 • ファイルをColaboratoryで扱うには、アップロードが必要 • 下記のコードをセルに書き込んで、実行せよ •
表示された「ファイル選択」をクリックしてアップロード 14 # show upload dialog from google.colab import files uploaded = files.upload() ファイルをアップロードできるようになります
15.
アップロードに成功したときの画面 15
16.
Colaboratoryへのファイルのアップ方法2 • 2018年10月以降は、GUIでもアップロードができる • オレンジ部分をクリックして、アップロードして下さい 16
17.
アップしたzipファイルを解凍するには? • 行頭に!マークを使うと、Linux系のコマンドが使える • セルを追加し、以下の例の様にunzipコマンドを実行 •
sample_for_pandas.zipは、解凍したいファイル名に読み替え 17 ! ls ! unzip sample_for_pandas.zip ! ls 注:複数回実行すると、ファイルを上書きするか(replace)聞かれる * lsはファイルを表示させるコマンド ** unzipはzipファイルを解凍するコマンド
18.
解凍に成功したときの画面 • sample_for_pandasという、ディレ クトリ†が作成される • データはsample_for_pandasの中に 保存されている •
ls ./sample_for_pandas -allでフォ ルダ内のファイル一覧を確認できる 18 †Linux系では、フォルダのことをディレクトリと言います。
19.
• Colaboratoryで保存したファイルはGoogleのサーバー内にある • 保存したファイルを自分のPCで使うには、ダウンロードが必要 •
下記のコードを実行してファイルをダウンロードしよう • 許可を要求されたら、「許可」をクリック 19 from google.colab import files files.download('save_sample.xlsx') files.download('save_sample_utf8.csv') Colaboratoryからのファイルダウンロード方法1
20.
Colaboratoryからのファイルダウンロード方法2 • 2018年10月以降は、GUIでファイルのダウンロードができる • オレンジ部分をクリックして、ダウンロードして下さい 20 右クリック
21.
付録 21
22.
参考文献 • Google Colabの使い方まとめ •
https://qiita.com/shoji9x9/items/0ff0f6f603df18d631ab • 機械学習をやるには参考になる • そうでなくとも、自分のGoogleドライブをファイル置き場に使う方法 がわかり易い 22
Baixar agora