1. 推薦閱讀
Python基礎入門一文通 | Python2 與Python3及VSCode下載和安裝、PyCharm破解與安裝、Python在線IDE、Python視頻教程：https://blog.csdn.net/COCO56/article/details/95542228
2. 本文地址
- 博客園：https://www.cnblogs.com/coco56/p/11205816.html
- 簡書：https://www.jianshu.com/p/7eabfdcad379
- CSDN：https://blog.csdn.net/COCO56/article/details/96424239（無內容，僅做轉發使用）
3. 按
Colaboratory 是一個谷歌提供的 Jupyter notebook環境，不需要進行任何設置就可以使用，完全在雲端運行，不占用本地資源，另外Colaboratory完全免費。
4. 使用篇
- 准備階段
Colaboratory是一款谷歌服務，這里我推薦使用chrome瀏覽器+谷歌訪問助手，這樣在訪問谷歌相關網站的時候就非常的方便。另外，Colaboratory的正常使用需要依托谷歌賬號，如果沒有的話建議注冊一個。
谷歌訪問助手官網：http://www.ggfwzs.com/
以上工作都完成后，就可以登陸Colaboratory網站來體驗一番了，下面這幅圖就是Colaboratory(以下簡稱colab)的介紹頁面。
官網地址：https://colab.research.google.com/
- 基本用法
用過jupyter notebook的朋友應該對這個界面非常的熟悉，事實上colab的操作與普通的notebook相似度非常高，下面我們就新建一個Python3的notebook(下圖)，簡單地演示一下它的基本用法。
點擊“新建PYTHON3 記事本”
在下圖中的代碼框中輸入Python代碼，點擊左側的按鈕執行程序，就會在下方輸出打印結果，由於程序第一次運行之前colab會自動連接雲端服務器，所以速度可能會有點慢。
值得一提的是，上面這個代碼框可不是只能執行Python代碼，你還可以把它當作ubuntu的終端來使用，只不過要在所有需要執行的指令之前加一個“!”號。例如，我們如果想查看當前的雲端服務器中自帶了哪些Python庫的話，可以執行“! pip list”指令，結果如下:
可以看到，colab默認安裝了大量的Python第三方庫，就數據科學方面的庫而言，colab的自帶庫應該會比Anaconda更加完善。
既然可以使用pip指令，那如果想安裝其他Python庫的時候也可以很方便地安裝了，我拿tushare做了一個試驗，結果如下:
除了python庫之外，使用這種方式還可以執行其他linux指令來部署你自己的雲端環境，別忘了在指令前加一個“!”號就好。
5. 配置篇
- 常用配置
我個人認為最常用的配置項主要集中在兩個地方：
一是"工具"中的偏好設置(下圖)，在這里可以設置主題背景（共分light和dark兩種）、縮進寬度等風格，有趣的是colab還自帶coding特效，如果威力等級一欄選擇了“many power”，那么在寫代碼的過程中就會產生非常炫酷的效果。
二是“修改”中的筆記本設置，這里可以設置運行時的python版本和硬件加速器。說到這里不得不佩服谷歌，居然提供了GPU和CPU兩種加速模式，只要在選項中進行設置，就可以免費獲取額外的算力，這下通過在線編輯器使用TensorFlow再也不是夢想了。
除此之外，colab還允許通過共享的方式邀請他人共同討論、完善代碼;如果你不想將代碼放到雲端服務器中運行，還可以連接本地的開發環境運行程序(下圖)。
也可以將colab與github相關聯，把notebook中的代碼備份到GitHub中...關於這些內容，本文不進行詳細說明，有興趣的小伙伴可以自行嘗試。
- 雲盤掛載
先來說說掛載雲端硬盤的重要性。colab中的代碼文件是放在雲端服務器中運行的，但存儲的位置卻是同一賬戶的谷歌雲端硬盤，如果不進行關聯設置，colab會默認將notebook文件放到雲端硬盤根目錄下的“Colab Notebooks”文件夾中。
谷歌雲盤官網：https://drive.google.com/drive/my-drive
colab的notebook在雲端服務器中運行期間是沒辦法直接讀取本地文件的(比如數據集)，如果想讓程序讀取指定文件，只能將其放到谷歌雲端硬盤中，然后將雲端硬盤掛載到colab。
如果在colab中保存過notebook文件，系統將會自動關聯你的colab和雲端硬盤賬戶，否則需要在雲端硬盤中進行手動關聯（此處略）。然后在代碼框中輸入以下代碼並運行。
!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse
from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}
運行過程中會出現下圖中的提示，點擊鏈接進行授權驗證，將授權碼輸入到鏈接下的文本框中，按回車鍵繼續執行。
注意:不同的環境在這一步的執行情況可能會不太一樣，需要靈活對待。
接着再執行下面兩行代碼，由於我在掛載前雲端硬盤中有文件，所以加上了nonempty參數，否則可以忽視。
!mkdir -p drive
!google-drive-ocamlfuse -o nonempty drive
順利的話，到這里雲盤掛載就完成了，默認掛載的雲盤根目錄路徑是’drive‘，我們來檢驗一下（下圖），可以看到輸出的內容和雲端硬盤中的文件是一致的。
import os
print(os.getcwd())
print(os.listdir('.'))
print(os.listdir('drive/Colab Notebooks'))
這樣一來，我們就可以將文件放到雲盤中供colab讀取，或者將colab的運行結果輸入到雲盤中了。
6. 教學篇
colab作為一款在線編輯器，通過雲計算讓我們擺脫了裝備的限制，不管什么設備，只要能連上谷歌的網絡服務，就可以使用雲端的服務器，處理雲端的數據集；同時，對於工作地點不固定的人來說，也省去了反復配置環境和拷貝文件的麻煩。
然而，colab給自己的定位卻是旨在幫助傳播機器學習培訓和研究成果，所以Colab還關聯了一個非常優秀的機器學習學習平台。
點擊上圖中的“完整課程網站”鏈接進入教學網站，這里不僅有非常完善的學習資料，還可以根據每個人的基礎制定不同的學習計划，更難得的是，無論視頻、語音還是文字資料都可以選擇中文模式（雖然中文朗讀疑似語音合成)。
除了教學網站，colab還有大量交互式機器學習分析的端到端示例(seedbank)供學習和練習，所有seedbank中的項目都可以一鍵導入colab中運行(下圖)。
關於Colaboratory今天就簡單介紹到這里，明明是款編輯器，卻集成了教學功能，真的堪稱史上最強。由於篇幅有限，一些細節和功能都沒有介紹，有興趣的同學可以探索體驗一下。