Блог

Это скорее общий вопрос, но есть ли функция для этого? Я просто не могу найти никакой документации по этой теме. Например, мое использование было бы таким:

 from google.colab import utils # I made this up
colab_pro = utils.colab_is_pro()
if colab_pro:
  # train model with higher settings
else:
  # train model with lower settings
  

В настоящее время у меня есть способ сделать это, но он довольно сложный:

 gpu_name = !nvidia-smi --query-gpu=gpu_name --format=csv
# You get Tesla T4 with free colab and faster GPUs with colab pro
colab_pro = False if 'T4' in gpu_name else True
  

К вашему сведению, вот colab, над которым я работаю:
https://colab.research.google.com/github/Namburger/edgetpu-ssdlite-mobiledet-retrain/blob/master/ssdlite_mobiledet_transfer_learning_cat_vs_dog.ipynb#scrollTo=Mg1C8UwStK7i

 #A Colab pro environment should have >20Gb of total memory.
from psutil import virtual_memory
colab_pro = virtual_memory().total / 1e9
print('Your runtime has {:.1f} gigabytes of available RAMn'.format(colab_pro))

if colab_pro < 20:
  print('Not using a high-RAM runtime')
  # train model with lower settings
else:
  print('You are using a high-RAM runtime!')
  # train model with higher settings
  

Кроме того, вы можете проверить доступную память в colab следующим образом:

 !cat /proc/meminfo
  

Среда Colab pro должна иметь > 20 ГБ общей памяти.

https://colab.research.google.com/notebooks/pro.ipynb#scrollTo=V1G82GuO-tez