Python
google-colab
anaconda
Google Colab (o Google Colaboratory) es un entorno de notebooks en la nube que te permite ejecutar código en Python sin necesidad de instalar nada en tu computadora. Es ideal para aprender, experimentar y realizar proyectos pequeños o medianos con acceso gratuito a GPUs y TPUs.
Sin embargo, Colab tiene recursos limitados, lo que significa que:
RAM y CPU Limitadas
Tiempo de Ejecución Máximo
Acceso Restringido a GPU y TPU
Puedes usar una GPU para acelerar cálculos con TensorFlow o PyTorch, pero el acceso no siempre está garantizado. Si muchas personas están usando Colab al mismo tiempo, podrías no obtener una GPU disponible.
Si quieres verificar si tienes una GPU activada, sigue estos pasos:
Abre un notebook en Google Colab.
Crea una nueva celda de código.
Escribe el siguiente comando y ejecútalo (presionando Shift + Enter o haciendo clic en el botón de "Ejecutar"):
1!nvidia-smi
Si una GPU está habilitada, verás información sobre el modelo y uso de la tarjeta gráfica. Si no aparece nada o ves un error, significa que Colab no te asignó una GPU en esa sesión.
Pérdida de Datos si Reinicias el Entorno
Para evitar perder archivos cuando se reinicia Colab, puedes conectarlo a tu Google Drive.
¿Cómo conectar Google Colab con Google Drive?
Abre un notebook en Google Colab.
Crea una nueva celda de código y ejecuta el siguiente comando:
1from google.colab import drive 2drive.mount('/content/drive')
Lo que hace este codigo es:
Si necesitas más recursos o tiempo ilimitado, considera instalar Jupyter Notebook o usar un entorno local como Anaconda. Los pasos para instalar Jupyter Notebook en tu PC serían:
Descarga e instala Anaconda desde https://www.anaconda.com/.
Abre Anaconda y ejecuta:
1jupyter notebook
Si necesitas más RAM o acceso garantizado a GPUs, Google ofrece Colab Pro (de pago), que te da mejores recursos y más tiempo de ejecución.
💡 Google Colab es excelente para pruebas rápidas y proyectos pequeños, pero si necesitas más poder de cómputo, lo mejor es trabajar en tu propia computadora o en servidores más potentes.