Google Colab — отличный инструмент для питонистов. Его можно использовать для самых разных задач, от быстрого экспериментирования с кодом Python до совместного использования обширных блокнотов обработки данных со всем миром. Colab работает в Google Cloud, что дает вам ускорение при доступе к облачным службам, поскольку ваш код выполняется в высокопроизводительной сети Google, а также предлагает простой способ использования облачных служб Google, позволяющий запускать мощные облачные рабочие нагрузки из браузера.

📦️ Установить зависимости

Colab поставляется с сотнями предустановленных пакетов, включая pandas, numpy, matplotlib, Flask, Pillow, tensorflow и pytorch. При необходимости вы можете установить дополнительные необходимые зависимости.

Например, чтобы анализировать текст с помощью машинного обучения с помощью Natural Language API, установите клиентскую библиотеку google-cloud-language:

!pip install google-cloud-language>=2.9.1

🔑 Аутентификация

Для аутентификации с помощью учетной записи Google Cloud в блокноте Colab используйте метод authenticate_user. Новый параметр позволяет указать идентификатор вашего проекта:

from google.colab import auth

PROJECT_ID = ""  # @param {type:"string"}

auth.authenticate_user(project_id=PROJECT_ID)

После этого шага:

  • 👍 Вы авторизованы для gcloud команд CLI.
  • 👍 Вы также проходите аутентификацию при использовании Google Cloud клиентских библиотек Python. Обратите внимание, что как правило, вам не нужно создавать сервисный аккаунт.
  • 👍 Ваш проект по умолчанию установлен.
  • 👍 Ваш ноутбук также может получить доступ к вашему Google Диску, позволяя вам загружать или создавать собственные файлы.

🔓 Включить API

Убедитесь, что необходимые API включены. В нашем примере это сервис language.googleapis.com:

!gcloud services enable language.googleapis.com

🤯 Используйте облачные сервисы Google

Вот и все! Теперь вы можете напрямую использовать сервис, вызвав его клиентскую библиотеку Python:

from google.cloud import language

def analyze_text_sentiment(text: str) -> language.AnalyzeSentimentResponse:
    client = language.LanguageServiceClient()
    document = language.Document(
        content=text,
        type_=language.Document.Type.PLAIN_TEXT,
    )
    return client.analyze_sentiment(document=document)

# Input
text = "Python is a very readable language, ..."  # @param {type:"string"}

# Send a request to the API
response = analyze_text_sentiment(text)

# Use the results
print(response)

📊 Воспользуйтесь расширенными функциями ноутбука

Colab размещает блокнот Jupyter. Лично я называю Colab «Google Диском ноутбуков». Поскольку блокноты обладают дополнительными возможностями, это позволяет вам хорошо обрабатывать и визуализировать ваши данные, такие как таблицы, изображения или диаграммы.

В нашем примере функция show_text_sentiment собирает результаты в pandas DataFrame, который отображается в виде таблицы:

✨ Проверьте это

В этих примерах нажмите ссылку «Открыть в Colab»:

💡 Вы можете напрямую создать новый блокнот, открыв URL-адрес colab.new.

👋 Получайте удовольствие!

  • Прочтите блог Google Colab, чтобы узнать больше о Colab.
  • Подпишитесь на меня (Twitter / LinkedIn), чтобы узнать больше об облачных технологиях ;)