Por konekti Google Colab al loka Jupyter Notebook-servilo funkcianta sur via tekkomputilo, vi devas sekvi kelkajn paŝojn. Ĉi tiu procezo permesas al vi utiligi la potencon de via loka maŝino dum vi ankoraŭ profitas de la kunlaboraj funkcioj kaj nub-bazitaj rimedoj provizitaj de Google Colab.
Unue, certigu, ke vi havas Jupyter Notebook instalita sur via tekkomputilo. Se vi ne havas ĝin, vi povas instali ĝin sekvante la oficialan Jupyter-dokumentadon por via operaciumo. Unufoje instalita, malfermu terminalon aŭ komandon kaj rulu la komandon "jupyter notbook" por komenci la lokan servilon.
Poste, vi devas elmontri la Jupyter Notebook-servilon al la interreto. Ĉi tio povas esti atingita uzante ilon nomitan ngrok. Ngrok kreas sekuran tunelon al via loka servilo, permesante eksteran aliron. Por uzi ngrok, elŝutu kaj instalu ĝin de la oficiala retejo. Unufoje instalita, malfermu novan terminalon aŭ komandon kaj rulu la komandon "ngrok http 8888" (supoze ke via Jupyter Notebook-servilo funkcias sur la defaŭlta haveno 8888). Ngrok generos unikan URL, kiun vi povas uzi por aliri vian lokan servilon de ie ajn.
Post akiri la URL de ngrok, malfermu novan kajeron de Google Colab. En la unua ĉelo, rulu la sekvan kodon:
python !pip install jupyter_http_over_ws !jupyter serverextension enable --py jupyter_http_over_ws !jupyter notebook --NotebookApp.allow_origin='https://colab.research.google.com' --port=8888 --NotebookApp.port_retries=0
Ĉi tiu kodo instalas la necesan pakaĵon, ebligas la etendon de Jupyter-servilo kaj lanĉas la servilon sur la haveno 8888. Certigu anstataŭigi la havenon-numeron se via loka servilo funkcias en malsama haveno.
Post ekzekuto de la kodo en la unua ĉelo, URL estos montrata. Kopiu ĉi tiun URL kaj algluu ĝin en novan ĉelon, prefiksante ĝin per "https://colab.research.google.com/github/". Ekzemple, se la URL estas "https://abcdef123.ngrok.io", vi devus enigi "https://colab.research.google.com/github/https://abcdef123.ngrok.io" en la nova ĉelo.
Fine, rulu la ĉelon enhavantan la modifitan URL. Ĉi tio establos konekton inter Google Colab kaj via loka Jupyter Notebook-servilo. Vi nun povas aliri kaj ruli kodon sur via loka servilo rekte de Google Colab.
Gravas noti, ke ĉi tiu konekto estas provizora kaj perdiĝos se vi fermas la ngrok-sesion aŭ rekomencas vian lokan Jupyter Notebook-servilon. Vi devos ripeti la procezon por rekonekti.
Por konekti Google Colab al loka Jupyter Notebook-servilo funkcianta sur via tekkomputilo, vi devas instali Jupyter Notebook, elmontri ĝin al la interreto per ngrok, instali la necesajn pakaĵojn en Google Colab kaj establi konekton modifante kaj rulante la provizitan kodon. Ĉi tio permesas vin kombini la potencon de via loka maŝino kun la kunlaboraj funkcioj de Google Colab.
Aliaj lastatempaj demandoj kaj respondoj pri Progresante en Maŝinlernado:
- Kio estas la limigoj por labori kun grandaj datumaroj en maŝina lernado?
- Ĉu maŝinlernado povas fari iun dialogan helpon?
- Kio estas la ludejo TensorFlow?
- Ĉu avida reĝimo malhelpas la distribuitan komputikan funkcion de TensorFlow?
- Ĉu Google-nubaj solvoj povas esti uzataj por malkunligi komputadon de stokado por pli efika trejnado de la ML-modelo kun grandaj datumoj?
- Ĉu la Google Cloud Machine Learning Engine (CMLE) ofertas aŭtomatan akiron kaj agordon de rimedo kaj pritraktas rimedan ĉesigon post kiam la trejnado de la modelo estas finita?
- Ĉu eblas trejni maŝinlernajn modelojn sur arbitre grandaj datumaj aroj sen singultoj?
- Kiam vi uzas CMLE, ĉu krei version postulas specifi fonton de eksportita modelo?
- Ĉu CMLE povas legi el datumoj de stokado de Google Cloud kaj uzi specifitan trejnitan modelon por konkludo?
- Ĉu Tensorflow povas esti uzata por trejnado kaj inferenco de profundaj neŭralaj retoj (DNN)?
Rigardu pliajn demandojn kaj respondojn en Antaŭenigo en Maŝina Lernado