PROSAGA码农传奇-存储-谷歌Colab存储

<div class =“post-text”itemprop =“text”>
  <P>
    是的，Colab笔记本本地存储现在约为40 GiB。查看确切值的一种方法（在Python 3中）：
  </p>
   <pre>
    <code>
      import subprocess
p = subprocess.Popen('df -h', shell=True, stdout=subprocess.PIPE)
print(str(p.communicate()[0], 'utf-8'))

</code>
  </pre>
  <P>
    的<strong>
      然而：
    </强>
     对于大量数据，本地存储是提供TPU的非最佳方式，TPU不直接连接到运行笔记本的机器。相反，请考虑将大型数据集存储在GCP存储中，并从Colab笔记本中获取该数据。 （此外，Colab本地存储的数量可能会发生变化，Colab笔记本本身将在几个小时后过期，并使用本地存储。）
  </p>
  <P>
    看一眼
    <a href="https://colab.research.google.com/notebooks/tpu.ipynb" rel="nofollow noreferrer">
      规范的TPU Colab笔记本
    </A>
    。在底部是一些接下来的步骤，其中包括指向的链接
    <a href="https://colab.sandbox.google.com/github/tensorflow/tpu/blob/master/tools/colab/shakespeare_with_tpuestimator.ipynb#scrollTo=IcZkpa-e-Fas" rel="nofollow noreferrer">
      用TPU搜索莎士比亚
    </A>
    。在该笔记本中是以下代码片段，它演示了对Colab TPU的GCP身份验证。它看起来像这样：
  </p>
   <pre>
    <code>
      from google.colab import auth
auth.authenticate_user()

if 'COLAB_TPU_ADDR' in os.environ:
  TF_MASTER = 'grpc://{}'.format(os.environ['COLAB_TPU_ADDR'])

# Upload credentials to TPU.
  with tf.Session(TF_MASTER) as sess:    
    with open('/content/adc.json', 'r') as f:
      auth_info = json.load(f)
    tf.contrib.cloud.configure_gcs(sess, credentials=auth_info)
  # Now credentials are set for all future sessions on this TPU.
else:
  TF_MASTER=''

</code>
  </pre>
</DIV>