Pour connecter Google Colab à un serveur Jupyter Notebook local exécuté sur votre ordinateur portable, vous devez suivre quelques étapes. Ce processus vous permet d'exploiter la puissance de votre machine locale tout en bénéficiant des fonctionnalités collaboratives et des ressources basées sur le cloud fournies par Google Colab.
Tout d’abord, assurez-vous que Jupyter Notebook est installé sur votre ordinateur portable. Si vous ne l'avez pas, vous pouvez l'installer en suivant la documentation officielle Jupyter de votre système d'exploitation. Une fois installé, ouvrez un terminal ou une invite de commande et exécutez la commande "jupyter notebook" pour démarrer le serveur local.
Ensuite, vous devez exposer le serveur Jupyter Notebook à Internet. Ceci peut être réalisé en utilisant un outil appelé ngrok. Ngrok crée un tunnel sécurisé vers votre serveur local, permettant un accès externe. Pour utiliser ngrok, téléchargez-le et installez-le depuis le site officiel. Une fois installé, ouvrez un nouveau terminal ou une nouvelle invite de commande et exécutez la commande « ngrok http 8888 » (en supposant que votre serveur Jupyter Notebook s'exécute sur le port par défaut 8888). Ngrok générera une URL unique que vous pourrez utiliser pour accéder à votre serveur local de n'importe où.
Après avoir obtenu l'URL ngrok, ouvrez un nouveau bloc-notes Google Colab. Dans la première cellule, exécutez le code suivant :
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
Ce code installe le package nécessaire, active l'extension du serveur Jupyter et démarre le serveur sur le port 8888. Assurez-vous de remplacer le numéro de port si votre serveur local s'exécute sur un autre port.
Après avoir exécuté le code dans la première cellule, une URL s'affichera. Copiez cette URL et collez-la dans une nouvelle cellule, en la préfixant par "https://colab.research.google.com/github/". Par exemple, si l'URL est "https://abcdef123.ngrok.io", vous devez saisir "https://colab.research.google.com/github/https://abcdef123.ngrok.io" dans le nouveau cellule.
Enfin, exécutez la cellule contenant l'URL modifiée. Cela établira une connexion entre Google Colab et votre serveur Jupyter Notebook local. Vous pouvez désormais accéder et exécuter du code sur votre serveur local directement depuis Google Colab.
Il est important de noter que cette connexion est temporaire et sera perdue si vous fermez la session ngrok ou redémarrez votre serveur Jupyter Notebook local. Vous devrez répéter le processus pour vous reconnecter.
Pour connecter Google Colab à un serveur Jupyter Notebook local exécuté sur votre ordinateur portable, vous devez installer Jupyter Notebook, l'exposer à Internet à l'aide de ngrok, installer les packages nécessaires dans Google Colab et établir une connexion en modifiant et en exécutant le code fourni. Cela vous permet de combiner la puissance de votre machine locale avec les fonctionnalités collaboratives de Google Colab.
D'autres questions et réponses récentes concernant Progresser dans l'apprentissage automatique:
- Quelles sont les limites du travail avec de grands ensembles de données en apprentissage automatique ?
- L’apprentissage automatique peut-il apporter une assistance dialogique ?
- Qu'est-ce que le terrain de jeu TensorFlow ?
- Le mode impatient empêche-t-il la fonctionnalité de calcul distribué de TensorFlow ?
- Les solutions cloud de Google peuvent-elles être utilisées pour dissocier l'informatique du stockage pour une formation plus efficace du modèle ML avec le Big Data ?
- Le moteur d'apprentissage automatique Google Cloud (CMLE) propose-t-il une acquisition et une configuration automatiques des ressources et gère-t-il l'arrêt des ressources une fois la formation du modèle terminée ?
- Est-il possible d’entraîner des modèles d’apprentissage automatique sur des ensembles de données arbitrairement volumineux sans problème ?
- Lors de l'utilisation de CMLE, la création d'une version nécessite-t-elle de spécifier la source d'un modèle exporté ?
- CMLE peut-il lire les données de stockage Google Cloud et utiliser un modèle entraîné spécifié pour l'inférence ?
- Tensorflow peut-il être utilisé pour la formation et l'inférence de réseaux de neurones profonds (DNN) ?
Voir plus de questions et réponses dans Faire progresser l'apprentissage automatique
Plus de questions et réponses :
- Champ: Intelligence artificielle
- Programme: EITC/AI/GCML Google Cloud Machine Learning (accéder au programme de certification)
- Leçon: Progresser dans l'apprentissage automatique (aller à la leçon correspondante)
- Topic: Mettre à niveau Colab avec plus de calcul (aller au sujet connexe)
- Révision de l'examen