简介
谷歌的colab自带一块GPU，配合谷歌云盘的存储，是一个很好的个人深度学习模型训练的平台。
初次接触colab会有很有碰壁和卡壳的地方，这篇博客会给出一些colab的常用操作指导，包括：数据集存放，GPU开启，jupyter指令和路径等等内容。
谷歌云盘的网址
colab的地址
数据集
使用colab首先要理解他的正确打开方式。在colab中，数据和代码都是存储在谷歌硬盘中（存储中心），而colab提供算力和操作界面。
所以，我们上传我们的代码和数据时，是上传到谷歌硬盘中。并且实时修改文件内容，同样也是在谷歌硬盘操作。
然后，在使用colab时，colab挂载我们的谷歌云盘，就能够看到我们上传的数据了。
需要注意的内容时，在colab中大规模的读写文件的速度比本地要慢。所以，当我们要对文件进行处理时，可以选择在本地处理好再上传到谷歌硬盘。也就是说colab只用做训练。（但是GPU还是香）
使用GPU
第二个操作指南是关于如何打开GPU。
如上图，选择colab中的“修改”，再选择笔记本设置，就可以看到是否启用GPU的选项。
Jupyter常用命令
第三个操作指导是关于jupyter常用命令，包括：常用的命令行命令（处理文件、进入目录）和python相关命令（pip，运行python文件）
Jupyter默认是运行python代码指令的，如果要运行命令行命令通常是在前面加上！。
比如：查看GPU配置
!/opt/bin/nvidia-smi
挂载云盘
from google.colab import drive
drive.mount('/content/drive')
pip安装第三方库
!pip install numpy
运行python文件
！python train.py
进入到目录中，值得注意的是，这里的前缀符号是%
%cd /content/drive/MyDrive/yolov5-master/
删除文件夹（文件夹中有文件）
!rm -r labels
查看当前目录下属的文件
!ls
路径问题
路径问题是我们跑模型，跑代码经常要碰到的问题。
很多时候，我们兴致勃勃从github或者其他地方，拿到代码和数据集，准备自己跑一下的时候，因为路径不匹配导致代码跑不了。
在写路径时，我们可以用相对路径，也可以用绝对路径。
绝对路径
在colab中，我们的数据和代码放在挂载的谷歌硬盘中。绝对路径一般是：/content/drive/ 。比如，下图红框中的“yolov5-master”，其绝对路径就是：/content/drive/MyDrive/yolov5-master/
/content/drive/MyDrive/yolov5-master/
相对路径
我们可以先进入到对应的文件夹下（用下面的cd命令）
,再使用相对路径。
%cd /content/drive/MyDrive/yolov5-master/
如果我们进入到了MyDrive这个文件夹，我们可以用一下两种方式表示yolov5-master文件夹的相对路径。
yolov5-master
./yolov5-master