Google Colab یک پلتفرم قدرتمند برای انجام محاسبات است که به شما اجازه می‌دهد از منابع سخت‌افزاری مانند GPU (واحد پردازش گرافیکی) به راحتی استفاده کنید. در اینجا مراحل لازم برای فعال‌سازی و استفاده از GPU در گوگل کولب آورده شده است.

مرحله 1: ایجاد یا باز کردن یک نوت‌بوک

  1. به وب‌سایت Google Colab بروید.
  2. می‌توانید یک نوت‌بوک جدید ایجاد کنید یا یک نوت‌بوک موجود را بارگذاری کنید.

مرحله 2: فعال‌سازی GPU

  1. از نوار بالا، بر روی Runtime کلیک کنید.
  2. گزینه Change runtime type را انتخاب کنید.
  3. در قسمت Hardware accelerator، گزینه GPU را انتخاب کنید.
  4. روی Save کلیک کنید.

با این کار، GPU برای نوت‌بوک شما فعال می‌شود و می‌توانید از آن استفاده کنید.

مرحله 3: بررسی نصب GPU

برای اطمینان از اینکه GPU به درستی فعال شده است، می‌توانید کد زیر را در یک سلول جدید اجرا کنید:

import tensorflow as tf
tf.test.gpu_device_name()

اگر GPU به درستی نصب شده باشد، نام دستگاه GPU نمایش داده خواهد شد.

آموزش گوگل کولب (رایگان)

مرحله 4: استفاده از GPU در کد

اکنون می‌توانید کد خود را با استفاده از TensorFlow، PyTorch یا هر کتابخانه دیگری که از GPU پشتیبانی می‌کند، پیاده‌سازی کنید. به عنوان مثال:

با TensorFlow

import tensorflow as tf

# ایجاد یک مدل ساده
model = tf.keras.Sequential([
    tf.keras.layers.Dense(64, activation='relu', input_shape=(32,)),
    tf.keras.layers.Dense(1)
])

model.compile(optimizer='adam', loss='mean_squared_error')

# آموزش مدل
model.fit(x_train, y_train, epochs=10)

با PyTorch

import torch

# بررسی وجود CUDA
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# ایجاد یک مدل ساده
model = torch.nn.Linear(32, 1).to(device)

# تعریف loss و optimizer
criterion = torch.nn.MSELoss()
optimizer = torch.optim.Adam(model.parameters())

# آموزش مدل
# فرض کنید x_train و y_train به درستی تعیین شده‌اند
inputs = x_train.to(device)
outputs = model(inputs)
loss = criterion(outputs, y_train.to(device))
loss.backward()
optimizer.step()

نکات اضافی

  1. مدیریت منابع: توجه داشته باشید که استفاده از GPU می‌تواند منابع زیادی مصرف کند. اطمینان حاصل کنید که از منابع با مسئولیت استفاده می‌کنید، به ویژه وقتی که در حال آموزش مدل‌های بزرگ هستید.
  2. مدت زمان محدود: در نسخه رایگان Colab، مدت زمان استفاده از GPU محدود است. در صورتی که زمانش تمام شود یا به مدت طولانی استفاده نکنید، GPU دوباره نمایان نخواهد شد.
  3. پیکربندی مجدد نوت‌بوک: اگر از یک نوت‌بوک جدید استفاده می‌کنید، مطمئن شوید که دوباره GPU را فعال کنید و تمام کتابخانه‌های مورد نیاز را بارگذاری کنید.

با پیروی از این مراحل، شما می‌توانید به راحتی از GPU در گوگل کولب برای تسریع پردازش‌ها استفاده کنید!