本文共计4071个文字，预计阅读时间需要17分钟。
在下半学期选修了机器学习与深度学习的关键课程，但由于Macbook Pro显卡不支持CUDA，无法使用GPU来训练网络。因此，建议使用Google Colab作为训练神经网络的平台。在高度上，它表现卓越。
在下半年选修了机器学习的关键课程Machine learning and deep learning，但由于Macbook Pro显卡不支持cuda，因此无法使用GPU来训练网络。教授推荐使用Google Colab作为训练神经网络的平台。在高强度的使用了Colab一段时间后，我把自己的个人感受和使用心得与大家分享，同时也给想要尝试的同学详细介绍Colab具体的上手方法。
一、Colab介绍
在第一次使用Colab时，最大的困难无疑是对整个平台的陌生而导致无从下手，因此我首先介绍与Colab相关的基础概念，以帮助大家更快地熟悉Colab平台。
Colab是什么？
Colab = Colaboratory（即合作实验室），是谷歌提供的一个在线工作平台，用户可以直接通过浏览器执行python代码并与他人分享合作。Colab的主要功能当然不止于此，它还为我们提供免费的GPU。熟悉深度学习的同学们都知道：CPU计算力高但核数量少，善于处理线性序列，而GPU计算力低但核数量多，善于处理并行计算。在深度学习中使用GPU进行计算的速度要远快于CPU，因此有高算力的GPU是深度学习的重要保证。
