Aller au contenu

📚 Guide d'utilisation de Google Colab

Introduction à Google Colab

Google Colab (ou Colaboratory) est un environnement de notebook Jupyter hébergé par Google. Il permet d'exécuter du code Python dans votre navigateur et est particulièrement adapté au machine learning, à l'analyse de données et à l'éducation.

Avantages de Google Colab

  • Gratuit : pas besoin d'installer Python ou des bibliothèques sur votre ordinateur
  • Puissant : accès à des GPU et TPU gratuits
  • Collaboratif : facilité de partage et de travail en équipe
  • Prêt à l'emploi : bibliothèques populaires déjà installées (TensorFlow, PyTorch, etc.)

Accéder à Google Colab

  1. Allez sur colab.research.google.com
  2. Connectez-vous avec votre compte Google
  3. Sur la page d'accueil, vous pouvez:
  4. Créer un nouveau notebook
  5. Ouvrir un notebook existant
  6. Accéder à des tutoriels

Interface de Colab

L'interface de Colab est composée de:

  1. Barre de menu : Fichier, Édition, Affichage, etc.
  2. Barre d'outils : actions rapides
  3. Panneau de cellules : où vous écrivez et exécutez votre code
  4. Panneau latéral : pour accéder aux fichiers, tableaux, etc.

Types de cellules

Dans Colab, il existe deux types principaux de cellules:

  • Cellules de code : pour exécuter du code Python
  • Cellules de texte : pour écrire des commentaires en Markdown

Cellules de code

# Exemple de cellule de code
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title("Fonction sinus")
plt.show()

Cellules de texte (Markdown)

Les cellules de texte utilisent la syntaxe Markdown:

# Titre principal
## Sous-titre

Texte normal avec **texte en gras** et *texte en italique*.

Liste à puces:
- Item 1
- Item 2

Équation mathématique: $y = mx + b$

Exécuter du code

Pour exécuter une cellule: - Cliquez sur le bouton ▶️ à gauche de la cellule - Ou utilisez le raccourci clavier Shift+Enter

Le résultat s'affiche directement sous la cellule.

Raccourcis clavier utiles

  • Ctrl+Enter : Exécuter la cellule
  • Shift+Enter : Exécuter la cellule et passer à la suivante
  • Alt+Enter : Exécuter la cellule et insérer une nouvelle cellule en dessous
  • Ctrl+M D : Supprimer la cellule
  • Ctrl+M A : Insérer une cellule au-dessus
  • Ctrl+M B : Insérer une cellule en-dessous
  • Ctrl+M M : Transformer en cellule Markdown
  • Ctrl+M Y : Transformer en cellule de code

Utiliser le GPU/TPU

Pour accélérer l'exécution de votre code:

  1. Cliquez sur Modifier > Paramètres du notebook
  2. Sous Accélérateur matériel, sélectionnez GPU ou TPU
  3. Cliquez sur Enregistrer

Installer des bibliothèques

Colab possède déjà de nombreuses bibliothèques installées, mais vous pouvez en ajouter d'autres:

!pip install nom_de_la_bibliothèque

Exemple: 

!pip install transformers

Après l'installation, redémarrez l'environnement d'exécution: 1. Exécution > Redémarrer l'environnement d'exécution...

Gérer les fichiers

Importer des fichiers

  1. Cliquez sur l'icône 📂 dans le panneau latéral gauche
  2. Cliquez sur Importer pour télécharger un fichier

Ou via le code: 

from google.colab import files
uploaded = files.upload()

Accéder aux fichiers de Google Drive

from google.colab import drive
drive.mount('/content/drive')

# Accéder aux fichiers dans Drive
!ls "/content/drive/My Drive"

Télécharger des fichiers

from google.colab import files
files.download('nom_du_fichier.ext')

Enregistrer votre travail

Colab enregistre automatiquement votre travail dans Google Drive, mais vous pouvez aussi:

  1. Fichier > Enregistrer une copie dans Drive
  2. Fichier > Télécharger > Télécharger .ipynb

Partager un notebook

  1. Cliquez sur Partager en haut à droite
  2. Entrez les adresses e-mail ou obtenez un lien de partage
  3. Définissez les autorisations d'accès (Lecteur ou Éditeur)

Dépannage courant

Erreur "CUDA out of memory"

  • Redémarrez l'environnement d'exécution (Exécution > Redémarrer...)
  • Réduisez la taille de votre modèle ou de vos données
  • Utilisez un lot (batch) plus petit

Déconnexion après inactivité

  • Colab se déconnecte après environ 90 minutes d'inactivité
  • Utilisez Outils > Paramètres > Paramètres avancés > Désactiver l'interruption après inactivité

Limites de temps d'exécution

  • Les sessions sont limitées à environ 12 heures
  • Pour des calculs plus longs, enregistrez périodiquement votre travail

Perte de variables

  • Si vous exécutez les cellules dans un ordre différent, certaines variables peuvent être perdues
  • Mieux vaut exécuter les cellules dans l'ordre séquentiel

Astuces pour les TPs de Deep Learning

  1. Vérifiez l'accélérateur matériel avant de commencer un entraînement lourd 

    import tensorflow as tf
print("GPU disponible:", tf.config.list_physical_devices('GPU'))

  2. Sauvegardez vos modèles régulièrement 

    model.save('mon_modele.h5')

  3. Visualisez vos données avant l'entraînement 

    import matplotlib.pyplot as plt
plt.imshow(X_train[0])
plt.show()

  4. Utilisez tqdm pour les barres de progression 

    !pip install tqdm
from tqdm.notebook import tqdm

for epoch in tqdm(range(100)):
    # votre boucle d'entraînement

  5. Profitez de TensorBoard 

    %load_ext tensorboard
%tensorboard --logdir logs

Ressources supplémentaires

Bonne exploration et bon apprentissage du Deep Learning avec Google Colab!