关于Colab
Google Colab是谷歌提供的免费Jupyter 笔记本环境，不需要什么设置与环境配置就可以使用，完全在云端运行。不影响本地的使用。
Google Colab为研究者提供一定免费的GPU，可以编写和执行代码，所有这些都可通过浏览器免费使用。同学们可以在上面轻松地跑 Tensorflow、Pytorch 等深度学习框架。
尽管Google Colab提供了一定的免费资源，但资源量是受限制的，所有 Colab 运行时都会在一段时间后重置。Colab Pro 订阅者的使用量仍会受到限制，但相比非订阅者可享有的限额要多出大约一倍。Colab Pro+ 订阅者还可获享更高的稳定性。
关于Google Driver
google云端硬盘，也称为谷歌云端硬盘，是互联网巨头谷歌公司推出的一项在线云存储服务，英文全称是Google Drive。目前有免费和付费两种模式，免费用户可以获取15G的空间，付费用户根据套餐可以选择最大20TB的储存空间
利用colab进行fastai课程中的代码运行
因为本来为教学课程为了快速上手并没有充分的时间进行环境的配置，同时我的gpu也并非一个较好的水位（rtx2060），加上之前在复现论文时用过colab的免费服务，被google的慷慨和大方震惊，故在进行deeping learning的课程学习时也准备使用colab进行代码的操作。
step 1:在github fastbook项目主页下选择对应的学习章节
选择对应的学习章节进行打开即可转移到相应的项目colab。
需要注意这个课程选择的主页仅当主页语言为英文时才会出现。
step2 :在进入colab页面后选择托管硬件为gpu
点击 代码执行程序 —> 更改运行时类型 —>选择 T4 GPU(当然土豪是随意 充钱即可享受更强大的gpu)
最后进行连接，点击需要测试的代码块，即可线上进行代码的测试
colab测试运行结果
在运行安装环境配置的代码块时出现了报错
在forums.fast.ai论坛上进行查找发现该问题并不影响后续程序的执行
执行第一个进行cnn网络训练得到猫狗识别的模型的程序结果
总结
完成了深度学习的重要的一步在线上对代码进行运行，在目前算力设备都极其昂贵的背景下，选择线上的代码服务进行模型的训练显得尤其具有性价比，掌握该项技能能够使得我的科研和工作突破某些因为算力不足的限制，同时对于学习更加的方便。