想要試試機器學習但又沒有顯卡的人，可以使用 Google 所提供的 Colab 網站。此網站可以直接使用網頁的方式撰寫 Python 程式碼，然後可以指定要不要啟動 GPU。當然如果有付費的話，還可以選擇是否啟動 TPU。

執行方式

請到 https://colab.research.google.com/ ，登入Google帳號後按下新增筆記本即可開始撰寫程式

指定GPU

如果想要在達行時使用GPU，可於執行階段/變更執行階段類型，然後選取GPU，即會啟動GPU運算

Ram大小

Colab 預設配發的記憶体大小約為 12 G，以經可以應付一般大型的訓練資料了。

費用

Colab 宣稱可以免費使用 GPU 運算，但真的免費的運算量是每天大約只有 6 小時，6 小時一到就會自動斷線。當然也可以付費升級成 Colab Pro，每個月是美金 $ 9.99元。

效能

說真的，除非真的沒有顯卡，否則還是不建議使用 Colab，因為其效能比 RTX3080TI 大概慢了約3倍。也就是說 Colab 其實慢的要死，不過是比電腦的 CPU 快很多就是了。若是學生族群倒是可以加減用，但如果是公司要用的專案，還是買塊像樣點的顯卡吧。

載入圖片

假設圖片置於雲端硬碟的 picture 目錄之下，則如下幾個概念要記起來。

1. 個人的雲端硬碟稱為 /MyDrive(規定死的)

2. Colab 中要先使用 from google.colab import drive 將 drive 這個 “掛載工具” 載入Python 中。

3. 使用 drive.mount(‘/data’) 建立 /data 這個掛載目錄。/data 這個目錄可以自已隨意規定。建立好後會自動將 /MyDrive全部掛載到 /data目錄中。

4. 所以 picture 的完整路徑為 /data/MyDrive/picture

使用 !ls pic_path 可以啟動Linux 的 ls 指令，看到 picture 下所有的檔案及目錄。

剩下載入圖片的方式跟在 Pycharm 一模一樣，唯獨不能使用 cv2.imshow() 顯圖，jupyter 說 cv2.imshow() 會讓 jupyter 當機，所以要使用 google.colab.patches 的 cv2_imshow() 顯示圖片。