Colaboratory en résumé
Ce service hébergé sur les serveurs cloud de Google permet notamment d’entraîner des modèles d’apprentissage automatique (machine learning). Il repose sur les notebooks Jupyter, qui permettent d’exécuter du code Python ou R, de le commenter (grâce au langage Markdown), de l’illustrer avec des images, directement dans un navigateur web.
Colab offre aussi un accès à des machines basées sur des GPUs (voire TPUs, les processeurs de Google dédiés aux réseaux de neurones). Pour cela, il suffit de modifier le type d’exécution à partir de la barre de menus.
Outils disponibles et exemples
Il est évidemment possible d’envoyer vers le cloud ou de télécharger des fichiers, mais aussi d’établir une connexion avec Google Drive (seule méthode pour conserver les fichiers à l’issue de la session). L’accès aux diverses librairies Python (par ex. numpy, pandas, tensorflow) permet en outre d’écrire un code concis et efficace.
En présence d’un point d’exclamation en début de ligne, une commande shell sera interprétée au lieu du langage Python. Cette possibilité est très utile pour créer des répertoires, manipuler des fichiers, ou installer une librairie ou un programme à l’aide de commandes telles que pip, git ou wget.
Dans l’exemple précédent, on constate la présence d’un répertoire et de fichiers installés par défaut. Ce sont des datasets classiquement utilisés pour se familiariser avec l’apprentissage automatique.
Atomes de bon sens 
Laisser un commentaire