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»:
- Использование Google Cloud от Colab (короткометражный)
- Использование API естественного языка с Python (подробно)
💡 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 ;)