使用google colab实现Julia GPU加速

这篇文章的主要内容来自于 https://discourse.julialang.org/t/julia-on-google-colab-free-gpu-accelerated-shareable-notebooks/15319

本文不过是进行了翻译、整理和一些修改,希望对大家有所帮助。无法正常访问谷歌的可以忽略此帖子。

  1. 在本地创建 test.txt 文件,写入以下内容
{
  "nbformat": 4,
  "nbformat_minor": 0,
  "metadata": {
    "colab": {
      "name": "Julia on Colab.ipynb",
      "version": "0.3.2",
      "provenance": []
    },
    "kernelspec": {
      "name": "julia-1.4",
      "display_name": "Julia 1.4"
    },
    "accelerator": "GPU"
  },
  "cells": [
    {
      "metadata": {
        "id": "oMSuTc3pDlHv",
        "colab_type": "code",
        "colab": {}
      },
      "cell_type": "code",
      "source": [
        ""
      ],
      "execution_count": 0,
      "outputs": []
    }
  ]
}
  1. 把test.txt文件后缀改为 .ipynb

  2. 打开google colab 上传 test.ipynb

image

  1. 打开后左下角会出现这样的提示,这意味着虽然设置了julia kernel 但是尚未安装julia,还用的是 python kernel

image

  1. 与原作者当时发帖不同的是,现在的google colab已经预安装好了CUDA 10.1,因此直接安装julia就可以了。在一个代码行中输入以下命令。
!curl -sSL "https://julialang-s3.julialang.org/bin/linux/x64/1.4/julia-1.4.0-linux-x86_64.tar.gz" -o julia.tar.gz
!tar -xzf julia.tar.gz -C /usr --strip-components 1
!rm -rf julia.tar.gz*
!julia -e 'using Pkg; pkg" up; add IJulia ;  precompile"'

下载和安装非常快,几分钟就ok了。

  1. 刷新页面,就可以正常使用julia和GPU了

  2. 测试一下:安装Currays和BenchmarkTools

运行前会自动下载相关的依赖项,速度很快

可以看到,GPU加速成功

image

随着julia版本的更新,可以自行调换kernel的name和下载julia的链接

6赞

搜了半天的资料,大部分都有问题,总算搞清楚了colab加载Julia的逻辑
最好是订阅一个colab pro,因为有终端界面方面运行shell命令。
首先 git clone https://github.com/eatcosmos/Julia-on-Colab.git 下载到谷歌网盘路径下,然后再在谷歌网盘的web界面里找到 Julia_on_colab.ipynb 双击打开,按照里面的操作即可,最后这个ipynb的kernel就是Julia了,每次有新的ipynb,都可以把这个复制过去,操作一遍,然后就有了一个Julia环境的ipynb了。



接下来就可以愉快地用colab的gpu功能了,可以方便地实现笔记分享交流,目前对比下来colab的综合功能比较好。

参考资料

changelog

1赞

https://colab.research.google.com/github/ageron/julia_notebooks/blob/master/Julia_Colab_Notebook_Template.ipynb

我之前参照这里的试过,感觉很简单啊?

这个也试过,当时没成功估计是步骤操作问题,后来参考其他的交叉验证,大概知道操作步骤了,现在都能用了

1赞

连接错了, 估计是这个

Colab Pro 值得花 9.9$/mon 订阅吗?来看这篇完整评测 - 佘城璐的文章 - 知乎

备案号:京ICP备17009874号-2