Google Colab をラップトップ上で実行されているローカル Jupyter Notebook サーバーに接続するには、いくつかの手順に従う必要があります。 このプロセスにより、Google Colab が提供する共同作業機能やクラウドベースのリソースの恩恵を受けながら、ローカル マシンの能力を活用することができます。
まず、ラップトップに Jupyter Notebook がインストールされていることを確認します。 お持ちでない場合は、オペレーティング システムの公式 Jupyter ドキュメントに従ってインストールできます。 インストールしたら、ターミナルまたはコマンド プロンプトを開き、コマンド「jupyter Notebook」を実行してローカル サーバーを起動します。
次に、Jupyter Notebook サーバーをインターネットに公開する必要があります。 これは、ngrok と呼ばれるツールを使用して実現できます。 Ngrok はローカル サーバーへの安全なトンネルを作成し、外部アクセスを許可します。 ngrokを使用するには、公式Webサイトからダウンロードしてインストールします。 インストールしたら、新しいターミナルまたはコマンド プロンプトを開き、コマンド「ngrok http 8888」を実行します (Jupyter Notebook サーバーがデフォルト ポート 8888 で実行されていると仮定します)。 Ngrok は、どこからでもローカル サーバーにアクセスするために使用できる一意の URL を生成します。
ngrok URL を取得したら、新しい Google Colab ノートブックを開きます。 最初のセルで、次のコードを実行します。
python !pip install jupyter_http_over_ws !jupyter serverextension enable --py jupyter_http_over_ws !jupyter notebook --NotebookApp.allow_origin='https://colab.research.google.com' --port=8888 --NotebookApp.port_retries=0
このコードは、必要なパッケージをインストールし、Jupyter サーバー拡張機能を有効にし、ポート 8888 でサーバーを起動します。ローカル サーバーが別のポートで実行されている場合は、ポート番号を必ず置き換えてください。
最初のセルのコードを実行すると、URL が表示されます。 この URL をコピーし、先頭に「https://colab.research.google.com/github/」を付けて新しいセルに貼り付けます。 たとえば、URL が「https://abcdef123.ngrok.io」の場合、新しいフィールドに「https://colab.research.google.com/github/https://abcdef123.ngrok.io」と入力する必要があります。細胞。
最後に、変更した URL を含むセルを実行します。 これにより、Google Colab とローカルの Jupyter Notebook サーバー間の接続が確立されます。 Google Colab からローカル サーバー上のコードに直接アクセスして実行できるようになりました。
この接続は一時的なものであり、ngrok セッションを閉じるか、ローカルの Jupyter Notebook サーバーを再起動すると失われることに注意することが重要です。 再接続するには、このプロセスを繰り返す必要があります。
Google Colab をラップトップで実行されているローカル Jupyter Notebook サーバーに接続するには、Jupyter Notebook をインストールし、ngrok を使用してインターネットに公開し、必要なパッケージを Google Colab にインストールし、提供されたコードを変更して実行して接続を確立する必要があります。 これにより、ローカル マシンの能力と Google Colab の共同作業機能を組み合わせることができます。
その他の最近の質問と回答 機械学習の進歩:
- 機械学習で大規模なデータセットを扱う場合の制限は何ですか?
- 機械学習は対話的な支援を行うことができるでしょうか?
- TensorFlow プレイグラウンドとは何ですか?
- イーガー モードは TensorFlow の分散コンピューティング機能を妨げますか?
- Google クラウド ソリューションを使用してコンピューティングをストレージから分離し、ビッグデータを使用した ML モデルのトレーニングをより効率的に行うことはできますか?
- Google Cloud Machine Learning Engine (CMLE) は、リソースの自動取得と構成を提供し、モデルのトレーニング終了後にリソースのシャットダウンを処理しますか?
- 任意の大規模なデータセットで機械学習モデルを問題なくトレーニングすることは可能でしょうか?
- CMLE を使用する場合、バージョンを作成するには、エクスポートされたモデルのソースを指定する必要がありますか?
- CMLE は Google Cloud ストレージ データから読み取り、指定されたトレーニング済みモデルを推論に使用できますか?
- Tensorflow はディープ ニューラル ネットワーク (DNN) のトレーニングと推論に使用できますか?
その他の質問と回答:
- フィールド: Artificial Intelligence
- プログラム: EITC/AI/GCMLGoogleクラウド機械学習 (認定プログラムに進む)
- レッスン: 機械学習の進歩 (関連するレッスンに行く)
- トピック: より多くのコンピューティングでColabをアップグレードする (関連トピックに移動)
- 試験の復習