我想絕大多數的 AI 人，都很熟悉 Colab 的使用方法，如果你從來沒有使用過 Colab，不妨點擊這個網址開始學習 (colab 介紹)。

老頭個人非常喜歡使用 Colab，除了工作上相關的機密資料及程式之外，我通常會在 colab 上先做實驗和測試。尤其是個人的 AI 學習及分享，Colab 是我使用的最主要平台。這一系列貼文的所有程式，老頭也將使用「Colab 筆記本」格式，放在 Google Drive 上分享給大家。

[Google Drive 分享的連結]
(https://drive.google.com/drive/folders/1qgZbqOjt5siMb3R30UXeqPIK4PysYIKw?usp=sharing) 這個連結，我通常一週上傳更新一次，所以鐵人賽期間，讀者們可能會看到一些還沒有發表的程式檔已經上傳，希望不會造成太大的困擾。

只要你有 Google 帳號，就可以使用基本的 Colab 服務，不需要額外的訂閱動作。對於單純學習 AI 的讀者來說，這個級別應該就夠了。但是如果你想要在 Colab 上執行一些複雜的動作 (例如訓練一個大模型) ，那可能會發生一些不愉快的事情，例如：

• 常常要不到 GPU

  免費的資源畢竟有限，Google 內部有一套演算法，來判別是否要讓使用者佔用 GPU，而你使用的時間越長，你未來拿到 GPU 的機會就越少。沒有了 GPU，所有的運算就只能在 CPU 上執行，勉強可用，但是心裏就是不太舒坦。

• 從來沒有要到過 TPU

  JAX 針對 TPU 做了很多執行效率的最佳化，老頭曾經試著用 Colab 級別來跑一些 TPU 相關的測試，但從來沒有成功過。就算我要到了 TPU，但程式一跑就「不明原因」的重啟了。

• 動不動就斷線

  在開啟 Colab 筆記本之後，要真正執行 Python 程式碼之前，必須要先「連線」， Colab 才會分配 CPU、GPU、記憶體等程式所需的資源給你。當連線的期間，如果 Colab 發現你太久沒有和筆記本互動，或者它發覺你佔用 GPU 的時間太久了，它會主動斷線，你必須重新連線，才能繼續使用，而且你斷線前的執行結果全都付之一炬。

• 三不五時的要確認你是不是機器人

  不知道是老頭的操作方法有問題，還是 Colab 太多疑，我常常會看到確認我是不是機器人的視窗彈出來，有點無奈。

除了基本的 Colab 外，Google 提供另外兩種付費級別，Colab Pro 以及 Colab Pro+，大家可以參考一下：

老頭目前剛剛訂閱 Colab Pro，使用起來確實比免費的方案好多了，基本上都可以要到 GPU，也可以訓練些不大不小的模型。一個月含稅 10 塊美金多一點，還算物美價廉。