# Google Colaboratoryのメリットと使い方！GPU環境でPython回すならこれだ！

> 当サイト【スタビジ】の本記事では、Googleが無償で提供する機械学習のプラットフォーム「Google Colaboratory」をメリット・デメリット・使い方について見ていきます！実際にPythonを実行していきGPUの威力を見ていきます。

- URL: https://toukei-lab.com/google-colaboratory
- 公開: 2022.11.29 / 更新: 2024.12.16
- サイト: スタビジ（https://toukei-lab.com）

:::talk{who="umatan"}
当サイト【スタビジ】の本記事では、Googleが無償で提供する機械学習のプラットフォーム「Google Colaboratory」をメリット・デメリット・使い方について見ていきます！実際にPythonを実行していきGPUの威力を見ていきます。
:::

こんにちは！

データサイエンティストのウマたん([@statistics1012](https://twitter.com/statistics1012?lang=ja))です！

個人レベルでPython使う時に非常にお世話になっているのが「[**Google Colaboratory**](https://colab.research.google.com/notebooks/welcome.ipynb?hl=ja)」！

Google Colaboratoryは、Googleが<mark>「**機械学習の教育、研究を目的として開発した**」ツールで誰でも無料で利用することが可能です。</mark>

:::talk{who="robotan"}
無料だったら、たいしたスペックじゃないんでしょーどーせ。
:::

:::talk{who="umatan"}
無料だからといって侮るなかれ！GPU環境でディープラーニングや機械学習が実装できるハイスペ環境なんだ！！
:::

この記事では、そんな**Google Colaboratoryのメリット・デメリット**、そして**使い方**について見ていきます！

以下の動画でも解説していますので是非チェックしてみてください！

::youtube{#2tm8qrjVrk8}

とにかく便利なので、ぜひ使ってみてください！

ちなみに当メディアが運営するスタアカ（スタビジアカデミー）というスクールで様々な機械学習をGoogle Colaboratoryを使いながら実装していきますので是非見てみてください！

:::box
[スタアカ（スタビジアカデミー）](https://toukei-lab.com/achademy/)
:::

## Google Colaboratoryとは

![Google Colaboratory　ホーム](/wp-content/uploads/2020/02/Gcolab-min-scaled.jpg)

Google Colaboratoryとは<mark>Googleが無料で提供してくれているクラウド実行型のJupyter notebook実行環境です。</mark>

Googleのアカウントを持ってさえいれば誰でも使用することができ、<mark>開発環境を整える必要もなくPythonによる機械学習実装が可能</mark>です。

Googleのプラットフォームにのっかっているからこそのメリットと大量のデータセットと高度な処理を回すためのマシーンパワーが用意されているのが魅力です。

:::talk{who="umatan"}
こんな環境を用意してくれるなんてGoogleさまさまだなー！
:::

## Google Colaboratoryのメリット

![データサイエンティスト](/wp-content/uploads/2019/09/e37be02ae3870ffbbf95e2a91fb2d4f8_s-e1568208400539.jpg)

それでは、そんなGoogle Colaboratoryのメリットについて見ていきましょう！

### Google driveと同期して共有がカンタン

Googleのプラットフォーム上にあるので、<mark>他の人への共有が非常にカンタンです！</mark>

Google Colaboratory上でファイルを作成すると、Google driveと同期されGoogle drive上にファイルが残ります。

そのため、**Google driveを用いてのチーム内共有・共同編集**が可能です。

:::talk{who="umatan"}
これがとっても便利！
:::

### GPUを使用可能

なんとGoogle Colaboratoryなら**無料でGPUを使用することが可能**です。

GPUはCPUと違い並列的な計算処理を行えるため、<mark>昨今の大規模データやディープラーニングなどの高度な手法に適しています。</mark>

<mark>CPUでは時間がかかり過ぎて不可能であった解析がGoogle Colaboratoryを使えば可能になる</mark>のです。

これは個人レベルで分析を行う上では非常に嬉しい機能です。

そもそもGPUとは何か、CPUやTPUとのちがいについては、以下の記事で解説しています。

<https://toukei-lab.com/cpu-gpu-tpu-npu>

## Google Colaboratoryのデメリット

![](/wp-content/uploads/2019/07/af0d3191cf5dcb300654db5edd754429_s.jpg)

ただ、一方でGoogle Colaboratoryにはいくつかのデメリットもあります。

### 連続使用は12時間まで

インスタンスの連続使用は12時間までとなっていて、セッション切れから90分でインスタンスが落とされてしまうため、<mark>長時間かかる処理はGoogle Colaboratoryに向いていません。</mark>

:::talk{who="robotan"}
研究室でやっていたずーっと寝かせて数時間回すみたいなことはできないのかー
:::

:::talk{who="umatan"}
そうだねー！GPU使って高速でPDCA回して特徴量精査を行うのがGoogle Colaboratoryの使い方かな。
:::

### Google Colaboratory特有の記法や作法がある

ほとんど、[Jupyter notebook](/python-how)と同じ感覚で使えるのですが<mark>一部Google Colaboratory特有の記法や作法があります。</mark>

例えば、ファイルをインポートする時はまず以下のように記述してGUI上からアップロードしなくてはいけません。

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

Google driveから直接インポートする方法もありますが、普段はGUI上でアップロードさせてます。

また、Jupyter notebookと一部コマンドも違いますので少々戸惑うかも。

ショートカットキー一覧は<mark>上部の\[ツール]→\[キーボードショートカット]で確認することができます。</mark>

![Google Colaboratory](/wp-content/uploads/2020/02/Gcolab5-min.jpg)

そんなに大きくは変わらないので、ヘルプ見ながら実行すれば大丈夫ですよー！

## Google Colaboratoryの使い方

さて、そんなGoogle Colaboratoryを早速使っていきましょう！

まずは、Googleアカウントの中で<mark>特定のフォルダとGoogle Colaboratoryを連携</mark>させます。

![Google Colaboratory](/wp-content/uploads/2020/02/Gcolab2-min.jpg)

フォルダ名から\[**アプリで開く**]→\[**アプリを追加**]を選びましょう！

![Google Colaboratory](/wp-content/uploads/2020/02/Gcolab3-min.jpg)

Colaboratoryと検索してあげるとGoogle Colaboratoryが出てくるので選びインストールしましょう！

完了すれば、もうGoogle Colaboratoryを利用できます。

フォルダから新たにGoogle Colaboratoryのファイルを新規作成しましょう！

![Google Colaboratory](/wp-content/uploads/2020/02/Gcolab4-min.jpg)

これでGoogle Colaboratoryの実行環境が開きます！

:::talk{who="robotan"}
めちゃくちゃ簡単じゃないか！！
:::

:::talk{who="umatan"}
そうなんだよー！！こんなにカンタンに実行環境が整うなんて夢のようだよね！
:::

## Google Colaboratoryで実際にPythonを実行

![macとsurface](/wp-content/uploads/2018/09/S_8608589564326-e1566254236403.jpg)

さて、それでは新規作成した環境で実際にPythonを実行していきましょう！

ここでは、強力な機械学習手法である[Light GBM](/light-gbm)を使用していきます。

LightGBMは世界的なデータ解析コンペ「[Kaggle](/kaggle)」でも使われることの多い[勾配ブースティング](/gradient-boosting)手法の1つです。

Light GBMについては以下の記事でまとめていますのでチェックしてみてください。

<https://toukei-lab.com/light-gbm>

Light GBMで手書き文字Mnistを分類していきます！

このデータセットには0～9の文字が様々なカタチで書かれたサンプルが入っています。

```python title="light GBM_mnist.py"
import lightgbm as lgb
import pandas as pd
import numpy as np
from tensorflow.keras.datasets import mnist
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# Kerasに付属の手書き数字画像データをダウンロード
np.random.seed(0)
(X_train, labels_train), (X_test, labels_test) = mnist.load_data()

# 各画像は行列なので1次元に変換→X_train,X_validation,X_testを上書き
X_train = X_train.reshape(-1,784)
X_test = X_test.reshape(-1,784)

#正規化
X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_train /= 255
X_test /= 255

# 訓練・テストデータの設定
train_data = lgb.Dataset(X_train, label=labels_train)
eval_data = lgb.Dataset(X_test, label=labels_test, reference= train_data)

params = {
'task': 'train',
'boosting_type': 'gbdt',
'objective': 'multiclass',
'num_class': 10,
'verbose': 5,
}

gbm = lgb.train(
    params,
    train_data,
    valid_sets=eval_data,
    num_boost_round=50,
)

preds = gbm.predict(X_test)
preds
y_pred = []
for x in preds:
  y_pred.append(np.argmax(x))

accuracy_score(labels_test, y_pred)
```

CPUモードだと254秒。

そう、デフォルトのままだとCPU処理なのです。

GPU処理にするには、\[編集]→\[ノートブックの設定]→\[ハードウェアアクセラレータ]で変更を行います。

![Google Colaboratory](/wp-content/uploads/2020/02/Gcolab6.jpg)

GPUモードにしてもう一度解析を起こってみると・・・

![Google Colaboratory](/wp-content/uploads/2020/02/Gcolab7-min.jpg)

185秒で終了！

もともとLight GBMは計算負荷を軽く抑えている手法なのでそれほど差は見られませんでしたが、<mark>それでも3分の2ほどに抑えられました！</mark>

## Google Colaboratory　まとめ

本記事では、Google Colaboratoryのメリット・デメリットや使い方について見てきました！

実際に<mark>Pythonで実行したところGPUモードの計算処理の速さを実感することもできました！</mark>

ぜひ機械学習やディープラーニングを実装する場合はGoogle Colaboratoryを使ってみてください！

特に<mark>ディープラーニングは層を増やすと処理時間が非常に長くなるので、個人レベルでまわすならGoogle ColaboratoryのGPUを使うことをオススメ</mark>します！

Google Colaboratoryについて詳しく学びたいという方は、当メディアが運営するスタアカ（スタビジアカデミー）というスクールで様々な機械学習をGoogle Colaboratoryを使いながら実装していきますので是非見てみてください！

:::box
[スタアカ（スタビジアカデミー）](https://toukei-lab.com/achademy/)
:::

最終的には野球の投球分析をするために、BigQueryでSQLを書いてGoogle Colaboratoryで機械学習モデルを作るという本格的なフローに挑戦していきますよ！

ご受講お待ちしております！

その他のGoogleのサービスについては以下の記事でまとめています

<https://toukei-lab.com/looker_studio>

<https://toukei-lab.com/google-search-console-api>

<https://toukei-lab.com/gtm>

また、以下の記事でPythonや機械学習やディープラーニングについてまとめていますのであわせてチェックしてみてくださいねー。

<https://toukei-lab.com/python-learn>

<https://toukei-lab.com/machine-learning-fresh>

<https://toukei-lab.com/deep-learning>

<https://toukei-lab.com/rnn>