【Google Colabの知っておくべき使い方 – Google Colaboratoryのメリット・デメリットや基本操作のまとめ 】
すでに機械学習をやっている方や、これから機械学習を学んでみたいと考えている方で、下記のような事を感じたことはありませんか？
「訓練やデータ処理をやるのにローカルPCだと処理に時間がかかりすぎる」
「機械学習用にクラウド環境を立てたけど…思ったより費用が高い」
「機械学習は色々とライブラリが多くて環境構築がしんどい」
もし一つでも当てはまるものがあれば、Google Colabがそんな悩みを解決してくれます！機械学習の開発環境の新基準となる可能性も高いGoogle Colab、概要や基本的な使い方をみていきましょう。
Google Colaboratoryとは？
Google Colab（略式した呼称でグーグル・コラボと読みます）とは、教育や研究機関へ機械学習の普及を目的としたGoogleの研究プロジェクトの一つでです。
端的にまとめると、Google Colabとは、Jupyter Notebookを必要最低限の労力とコストで利用でき、ブラウザとインターネットがあれば今すぐにでも機械学習のプロジェクトを進めることが可能なサービスです。（参照：Jupyter Labとは？）
Google Colabのメリット・デメリット
Google Colabのメリットとデメリットについて簡潔にまとめてみました。
環境構築がほぼ不要
Google Colaboratoryはジュピター・ノートブックをクラウド上で動かしますが、PythonやNumpyなど、機械学習で必要なほぼ全ての環境がすでに構築されています。必要なのはブラウザのみで、すぐに機械学習を始めることが可能です。
チーム内での共有が簡単
Google Colabで書いたコード（ノートブック）は、グーグルドライブで保存されます。ですので、チーム内でノートブックの共有などが非常に簡単で、かつ権限管理などGoogle Drive上で行えるので安心でもあります。
GPUを含めて無料で利用が可能
そうなんです、Google Colabがこれだけ話題になったのも、なんとGPU（Tesla K80 GPU）が無料で使えるためです。機械学習では大規模なデータを、高負荷がかかる計算をすることが多々あります。自身のパソコンで処理を行う場合、訓練に12時間かかることも多々ありますが、Google ColabのGPU環境を使うことで、時間短縮が可能です。・・・しかも無料で使えるんです。
上記の3つのメリットを考えると、Google Colabを使わない理由がないように感じますが、逆にデメリットはあるのか考えてみました。
データの読み込みなどで特殊な処理を覚える必要がある
今までローカルで使っていたデータセットなどを読み込む際に、一つ処理を加えてあげる必要があります。Google DriveのAPIを利用したり、PyDriveなどのラッパーを利用してデータを読み込む必要があります。難しい処理ではありませんので、一度覚えてしまえば特に問題にはなりません。
Jupyter Notebookと使い勝手が多少異なる
これもデメリットという訳ではありませんが、すでにJupyter Notebookに慣れ親しんだ方だと…少し最初は戸惑うことがあるかと思います。ショートカットキーの設定を変更したり、セルの追加や削除などの基本的な操作方法に慣れる必要があります。
デメリットを考えたのですが、正直、あまりデメリットと思える部分がありません！上記で書いたデメリットも「強いて挙げるのであれば」程度で、全く支障にはなりません。
Google Colabを使ってみよう
では、早速Google Colabを使ってみましょう。まずはGoogleアカウントにログインをして、Google DriveでGoogle Colab用の新規フォルダーを作成しましょう。
続きはこちらから