2-7:Google Colab之應用
使用Python進行深度學習常可發現,只要訓練模型稍大一點,不含GPU的個人電腦就跑不太起來,GPU對今日的人工智慧工程師來說,已是非使用不可的基本元件了。
這時候,可考慮採用Google雲端硬碟所免費提供的資源,我稱之為「窮人的GPU」,雖然其使用的額度越來越受限制,但在一定範圍內還不會花到使用者一毛錢。
所以,您可先到自己的google雲端硬碟處,按下左上方的「新增」,然後移動游標至選單「更多」上面,這時會自動出現另一選單,你再點選其最下方的「連結更多應用程式」,然後在頁面的搜尋處,輸入「Colaboratory」搜尋,這時會出現Colaboratory的頁面,直接點選其「連接」按鈕,就可以新增其功能了。

這時候,再次到自己的google雲端硬碟處,一樣按下左上方的「新增」,然後同樣移動游標至選單「更多」上面,這時在另一選單的「連結更多應用程式」選項上端,你應該可以看得到了「Google Colaboratory」這一項,請點選它以建立一份新的筆記本(就是Python程式檔)。
也不要忘記,從筆記本功能表的「編輯」裡面的「筆記本設定」,點選「GPU」這一項,你將會發現,有無點選GPU,運算速度相差五倍以上。
你所開啟的新程式,是被放在虛擬空間中處理,如果要存取資料或檔案,記得要展開左邊的「drive」資料夾,從選項中複製絕對路徑至程式碼中。

在Google Colab上執行程式,主要是用於模型訓練階段,因為它需要把訓練資料多次輸入模型內,反覆求得最適權重,相當耗費運算資源及時間,而GPU可大幅縮短這訓練的時間。
訓練完畢後,接下來就是要做預測的工作了。這個階段,並不需要太多運算資源,也花費不了多少時間,因此可以把所訓練得到的權重從雲端下載,直接在個人電腦上進行預測即可。下圖是將雲端下載的權重放置於個人電腦的組態檔中,再配合OpenCV模組做預測的輸出畫面。

上圖是使用YOLOv4物件偵測技術,對外科手術器械進行智慧辨識。在雲端階段先上傳標記圖片資料集去訓練模型,而後再下載其權重對未知的圖片做框選分類及計數。
下圖則是市面上已出現的類似架構,但被應用在麵包店結帳系統。它可針對好幾款不同數量的麵包進行總價計算,在顧客擁擠時或無人商店中,有助於加快結帳速度及減少人為錯誤。
