文章

AI 第3天：AI 開發環境建置（Jupyter Notebook、Google Colab）

發布於
作者 Ned Hsu 3 分鐘閱讀

課程簡介

在開發人工智慧項目時，一個高效的開發環境至關重要。本節課將介紹 Jupyter Notebook 和 Google Colab，這兩個常見的 AI 開發環境，幫助學員快速建立並熟悉這些工具，為後續的學習和實作提供穩定的基礎。

教學內容

  1. Jupyter Notebook 的簡介與安裝
    • 什麼是 Jupyter Notebook：
      • 一個互動式的開發工具，支持即時編輯與執行程式碼。
      • 支援多種程式語言（主要是 Python）。
    • 安裝步驟：
      1. 安裝 Python（建議使用 Anaconda）。
      2. 在終端執行：pip install notebook。
      3. 啟動 Notebook：在終端執行 jupyter notebook。
    • 基本功能介紹：
      • 編輯與執行代碼區塊。
      • 新增 Markdown 區塊以撰寫文字說明。
      • 存檔為 .ipynb 或匯出為 HTML。
  2. Google Colab 的簡介與使用
    • 什麼是 Google Colab：
      • 一個基於雲端的 Jupyter Notebook 平台。
      • 提供免費的 GPU/TPU 計算資源，適合深度學習應用。
    • 使用步驟：
      1. 登入 Google 帳戶並進入 Google Colab。
      2. 建立新 Notebook 或從 Google Drive 開啟檔案。
      3. 執行程式碼，測試 GPU/TPU 是否可用：
        1
2

        import tensorflow as tf
print("GPU available:", tf.config.list_physical_devices('GPU'))
    • Colab 的優勢：
      • 免安裝，開箱即用。
      • 提供強大資源，適合初學者與進階開發者。

  3. Jupyter Notebook 與 Google Colab 的比較
    | 功能 | Jupyter Notebook | Google Colab | |—————–|———————————-|————————————| | 平台 | 本地端 | 雲端 | | 資源 | 使用本地硬體 | 提供免費 GPU/TPU 支持 | | 共享與協作 | 需手動分享檔案 | 可直接分享連結，支援多人協作 | | 適用場景 | 資源需求小的本地開發 | 深度學習、大型模型訓練與協作開發 |

  4. 實作練習：建立一個 Notebook 並執行程式碼
    • 目標：嘗試執行簡單的 Python 程式碼，熟悉 Notebook 介面。
    • 範例程式：
      1
2
3
4
5
6
7
8
9
10
11

      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("Sine Wave")
plt.xlabel("x")
plt.ylabel("sin(x)")
plt.show()

教學重點

  • 瞭解 Jupyter Notebook 和 Google Colab 的特性與應用場景。
  • 掌握基本操作，包括程式碼執行與結果視覺化。
  • 實作一個簡單的 Notebook 項目，熟悉環境使用。

課後練習

  1. 建立自己的 Notebook：
    • 使用 Jupyter Notebook 或 Google Colab 建立檔案，撰寫一個 Python 函式計算數字的平方和，並繪製結果圖表。
  2. 推薦資源：
Software, AI
AI Python
本文章以 CC BY 4.0 授權