Hướng dẫn chi tiết cách sử dụng GPU trên Google Collaboratory
Thời gian đọc: 13 phút
Thời gian đọc: 13 phút
Google Collaboratory (Colab) là một nền tảng miễn phí do Google cung cấp, cho phép bạn viết và thực thi mã Python trực tiếp trên trình duyệt. Colab hỗ trợ việc sử dụng GPU để tăng tốc quá trình tính toán, đặc biệt hữu ích cho các dự án liên quan đến machine learning, deep learning, hoặc xử lý dữ liệu lớn.
Dưới đây là hướng dẫn chi tiết cách sử dụng GPU trên Google Collaboratory:
Mặc định, Colab sử dụng CPU để thực thi mã. Để sử dụng GPU, bạn cần thay đổi cấu hình phần cứng.
Sau khi kích hoạt GPU, bạn có thể kiểm tra xem GPU đã được kích hoạt thành công chưa bằng cách chạy đoạn mã sau:
import tensorflow as tf
tf.test.gpu_device_name()
Nếu GPU đã được kích hoạt, bạn sẽ thấy tên của thiết bị GPU, ví dụ như '/device:GPU:0'. Nếu không, kết quả trả về sẽ là một chuỗi rỗng.
Khi đã kích hoạt GPU, các thư viện như TensorFlow hoặc PyTorch sẽ tự động sử dụng GPU nếu khả dụng. Dưới đây là ví dụ với TensorFlow:
import tensorflow as tf
# Kiểm tra xem TensorFlow có đang sử dụng GPU hay không
print("TensorFlow sử dụng GPU: ", tf.config.list_physical_devices('GPU'))
# Tạo một mô hình đơn giản
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(128, activation='relu', input_shape=(784,)),
tf.keras.layers.Dense(10, activation='softmax')
])
# Compile mô hình
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# Giả lập dữ liệu
import numpy as np
x_train = np.random.random((60000, 784))
y_train = np.random.randint(10, size=(60000,))
# Huấn luyện mô hình (quá trình này sẽ sử dụng GPU nếu có)
model.fit(x_train, y_train, epochs=5)
Để giám sát hiệu suất và mức sử dụng GPU, bạn có thể sử dụng lệnh sau trong một cell mới của notebook:
!nvidia-smi
Lệnh này sẽ hiển thị thông tin chi tiết về GPU, bao gồm tên GPU, mức sử dụng bộ nhớ, và tải trọng.
Nếu bạn cần sử dụng GPU nhiều hơn, bạn có thể cân nhắc việc nâng cấp lên Colab Pro hoặc Colab Pro+, cung cấp nhiều tài nguyên hơn, bao gồm quyền truy cập vào các loại GPU mạnh hơn như NVIDIA T4 và P100.
Dưới đây là danh sách các câu lệnh hữu ích khi làm việc trên Google Colab, bao gồm các lệnh liên quan đến việc sử dụng GPU, quản lý file, cài đặt thư viện, và kiểm tra thông tin hệ thống:
Kiểm tra phiên bản Python đang sử dụng:
!python --version
Kiểm tra tên thiết bị GPU:
import tensorflow as tf
tf.test.gpu_device_name()
Kiểm tra phiên bản TensorFlow:
import tensorflow as tf
print(tf.__version__)
Kiểm tra tài nguyên GPU có sẵn:
!nvidia-smi
Kiểm tra loại phần cứng đang sử dụng (CPU/GPU):
import tensorflow as tf
device_name = tf.test.gpu_device_name()
if device_name != '/device:GPU:0':
print('GPU không được kích hoạt')
else:
print('GPU được kích hoạt và đang sử dụng:', device_name)
Cài đặt một thư viện Python mới:
!pip install tên_thư_viện
Cập nhật một thư viện đã cài đặt:
!pip install --upgrade tên_thư_viện
Liệt kê các thư viện đã cài đặt trong môi trường:
!pip list
Tải lên một file từ máy tính cá nhân lên Colab:
from google.colab import files
uploaded = files.upload()
Tải file từ Colab về máy tính cá nhân:
from google.colab import files
files.download('đường_dẫn/đến/file')
Liệt kê các file và thư mục trong thư mục hiện tại:
!ls
Chuyển đến một thư mục khác:
%cd /đường/dẫn/đến/thư_mục
Tạo một thư mục mới:
!mkdir tên_thư_mục
Xóa một file hoặc thư mục:
!rm -r tên_file_hoặc_thư_mục
Di chuyển hoặc đổi tên file/thư mục:
!mv tên_cũ tên_mới
Kết nối Google Drive với Colab:
from google.colab import drive
drive.mount('/content/drive')
Sau khi chạy lệnh này, bạn sẽ được yêu cầu xác thực quyền truy cập vào Google Drive của mình.
Sao chép file từ Google Drive:
!cp '/content/drive/My Drive/đường_dẫn/đến/file' .
Liệt kê file và thư mục trong Google Drive:
!ls '/content/drive/My Drive/đường_dẫn/đến/thư_mục'
Giám sát tài nguyên hệ thống (CPU, RAM):
!htop
Kiểm tra phiên bản Python:
!python --version
Xóa bộ nhớ cache của GPU (thường cần khi chạy các mô hình deep learning lớn):
from numba import cuda
cuda.select_device(0)
cuda.close()
Chạy một file Python trong Colab:
!python tên_file.py
Xóa tất cả các biến trong môi trường:
%reset -f
Chạy các lệnh shell trực tiếp trong cell: Bạn có thể sử dụng dấu ! để chạy các lệnh shell như !ls, !pwd, hoặc !pip install.
Sử dụng lệnh %%bash để chạy nhiều lệnh shell trong một cell:
%%bash
echo "Hello World"
ls -l
Những câu lệnh trên giúp bạn làm việc hiệu quả hơn trong môi trường Google Colab, từ quản lý thư viện, file, đến việc tối ưu hóa và kiểm tra hiệu suất hệ thống.
Khi làm việc trong môi trường Google Colab, có một số lưu ý quan trọng bạn cần biết để tối ưu hóa trải nghiệm và hiệu quả công việc. Dưới đây là các lưu ý cần thiết:
!pip install tên_thư_viện. Đảm bảo rằng các thư viện cần thiết đã được cài đặt trong mỗi phiên làm việc, vì khi khởi động lại hoặc chuyển đổi giữa các phiên làm việc, các thư viện có thể bị mất.!pip install tên_thư_viện==phiên_bản.!nvidia-smi để kiểm tra việc sử dụng GPU hoặc !htop để giám sát CPU và RAM. Điều này giúp bạn tối ưu hóa mã của mình và tránh làm quá tải tài nguyên.Khi nắm vững các lưu ý trên, bạn sẽ có thể tận dụng tối đa sức mạnh của Google Colab để thực hiện các dự án của mình một cách hiệu quả và an toàn hơn.
