Werk:AI mit Arnie/Einführung in Google Colab
Eigene Apps über APIs in Google Colab
📽️ 🎓In diesem Video sehen wir uns an, was Google Colab ist und warum man Google Colab eventuell braucht. Wir haben im letzten Video GitHub kennengelernt. Du weißt, aus GitHub kannst du dir Code ausleihen. In Google Colab können wir diesen Code ausführen. Hier gibt es verschiedenste Möglichkeiten. Man kann sogar selbst kleine KI-Modelle trainieren, wenn man den Code davon hat, z. B. von GitHub. Man kann Bilder erstellen, wenn man den richtigen Code hat. Man kann Texte generieren, wenn man den richtigen Code hat. Das ist alles zusammen richtig, richtig cool. Man kann sogar GPT-Modelle trainieren und feintunen und vieles, vieles mehr.
Und das Coole ist eben, wie gesagt, du musst den Code nicht lokal laufen lassen. All das funktioniert in einer Cloud, und Google wird dir hier sozusagen die Computing-Power ausleihen, die du brauchst. Vor allem GPU-Power ist hier mächtig. Das Coolste ist, dass dir Google, wenn sie denn übrige GPU-Power haben, diese auch gratis ausleihen. Falls sie keine übrige Computing-Power haben, dann muss man hier ein kleines Update machen. Das kostet in etwa 10 $ im Monat in der günstigsten Subscription.
Wenn du auf colab.research.google.com gehst, dann wird sich das hier öffnen. Am Anfang wirst du wahrscheinlich in Beispielen landen, und hier siehst du einfach einige Dinge, die du dir ansehen kannst. Bei "Zuletzt geöffnet" findest du die Dinge, die du eben zuletzt geöffnet hast. Du siehst, ich hatte hier TensorFlow laufen, Deforum, Feinabstimmung von Large Language Models und so weiter. Wir sehen uns meine Lieblinge natürlich später viel genauer an, so damit du die Dinge einfach Klick für Klick nachmachen kannst.
Klickst du auf Google Drive, so wird dir bewusst, dass auch Google Drive hier mit integriert ist. Das heißt, in deinen Google-Drive-Speicher kannst du dir natürlich auch die Dinge abspeichern. Außerdem haben wir uns GitHub angesehen. Du siehst, du bekommst auch hier GitHub-Zugriff. Meistens geht man ganz einfach, GitHub, sucht sich den Code und lässt den in Google Colab laufen. Du kannst aber auch auf "Hochladen" gehen. Wenn du auf "Hochladen" gehst, dann kannst du den Code oder die Dateien hier reinziehen. Auch wenn sich das jetzt komplex anhört, es ist viel, viel einfacher. Später machen wir das einfach Klick für Klick nach.
Merk dir ganz einfach: Wenn du in Google Colab arbeitest, kannst du dort Code ausführen. Du musst den Code noch nicht mal verstehen. Du kannst den Code entweder hier hochladen oder du nimmst ganz einfach den Code, den du auf GitHub findest, oder ganz einfach nur die Dinge, die ich dir verlinke. Du klickst auf sie und machst danach Klick für Klick die Dinge nach, die ich dir zeige.
Wenn du hier auf "Abbrechen" klickst, dann siehst du natürlich hier eine kleine Einweisung, wie du Google Colab nutzen kannst. Das Erste, was sie dir empfehlen, ist natürlich, die Laufzeit zu ändern, also den Laufzeittyp. Du kannst hier zwischen GPUs auswählen, meistens sind die von Nvidia. Doch bevor wir hier auf Laufzeit eingehen, lasst uns einfach mal ansehen, wie das hier aufgebaut ist.
Das hier ist so aufgebaut, dass es einzelne Zellen gibt. Bei diesen Zellen gibt es diesen Play-Knopf. Wenn du auf einen solchen Play-Knopf klickst, dann wird ganz einfach der Code ausgeführt, den du hier sehen kannst. Jede dieser Codes hat verschiedene Dinge, die es machen soll, je nachdem, was du natürlich hochlädst. Einige machen Animationen, andere trainieren KI-Modelle. Du musst ganz einfach nur wissen: Wenn "Play" klickst, wird dieser Code ausgeführt. Wenn du play beim nächsten auf "Play" klickst, wird dieser Code ausgeführt. Meistens ist es ganz einfach so, dass beim ersten Play-Button erst mal irgendwas installiert wird, z. B. Python oder sonst was. Beim nächsten Play-Button wird irgendetwas ausgeführt in Python, und irgendwann weiter unten gibt es noch einen Play-Button, der die Dinge speichert, und zwar in deinem Google-Drive-Ordner oder wo auch immer.
Das ist das generelle Konzept von diesen Google-Colab-Notebooks. Du kannst dir natürlich die ganzen Dinge hier weiter ansehen, wenn du das genauer sehen willst. Ich würde jedoch sagen, das ist nicht unbedingt nötig. Du bekommst sogar einen Machine-Learning-Crashkurs hier zur Verfügung gestellt. Den kannst du dir gerne ansehen, auch TensorFlow und die Dinge, die wir ganz kurz angerissen haben. Hier bekommst du viele, viele Informationen. Ich würde jedoch sagen, das meiste davon ist fast schon Overkill. Also das ist nicht unbedingt nötig.
Du siehst hier: Laufzeit, Laufzeit ändern. Das ist etwas, das sie dir empfehlen, nämlich wenn du auf Laufzeit klickst und "Alle ausführen" auswählst, dann wird jede Zelle nacheinander ausgeführt. Es ist jedoch wichtig, dass du den korrekten Laufzeittyp verwendest. Wenn du auf Laufzeittyp klickst, dann kannst du wählen zwischen CPU und GPU. Das ist schon mal das generelle Konzept. Soll also heißen: Wenn du mit GPU arbeitest, dann leihen sie dir sozusagen GPU-Power, meistens von Nvidia. Die T4 ist eine sehr, sehr günstige Grafikkarte von Nvidia. Die leihen sie dir meistens sogar gratis aus. Wenn du stärkere Modelle von Nvidia haben willst, dann kann es sein, dass du etwas bezahlen musst. Aber generell: Versuche ganz einfach mal, die Dinge gratis umzusetzen. Wichtig ist einfach: Sie leihen dir die GPU-Power aus.
Wenn du hier oben auf "Verbinden" klickst, dann kannst du dir das genauer ansehen. Ich habe hier eine kleine Subscription. Dementsprechend werde ich verbunden mit meinem Abomodell, und ich bekomme stärkere Grafikkarten hier ausgeliehen. Das spart ganz einfach etwas Zeit, wenn man ein KI-Modell trainiert oder wenn man Animationen erstellt oder sonst was. Wenn du ein Abomodell haben möchtest, dann kannst du dir das hier natürlich genauer aussuchen. Wichtig ist: Sobald du verbunden bist, dann fängt hier Google Colab an, deine Rechenleistung abzuziehen. Aktuell verbrauche ich so gut wie nichts, weil wir ja nichts ausführen.
Wenn du dir ein Upgrade machen möchtest, dann solltest du darauf klicken: "Upgrade auf Colab Pro" z. B. Und hier siehst du jetzt die verschiedenen Möglichkeiten. Das normale Colab Pro, das kostet 11,28 $ pro Monat. Damit bekommst du sehr, sehr viel GPU-Power. Die ganzen anderen Dinge brauchst du zu 99,9 % nicht. Und wie gesagt, ich würde erst mal mit dem Gratis-Ding starten.
In diesem Video haben wir also gelernt, was Google Colab ist. Google Colab ist nichts anderes als eine Cloud-Lösung von Google. Sie stellen dir sozusagen Rechenleistung zur Verfügung. Diese Rechenleistung brauchst du, wenn du Code ausführen willst. So können wir selbst KI-Modelle trainieren, ohne unsere GPU-Power vom Computer aufzubrauchen. All die Dinge, die wir erstellen, haben wir die Möglichkeit, in unserem Google Drive zu speichern, und das ist auch richtig, richtig praktisch.
Ich würde sagen, im nächsten Video zeige ich dir einfach mal ein solches Colab-Notebook in Aktion. In diesem Sinne: Viel Spaß im nächsten Video!