1. 推荐阅读
Python基础入门一文通 | Python2 与Python3及VSCode下载和安装、PyCharm破解与安装、Python在线IDE、Python视频教程：https://blog.csdn.net/COCO56/article/details/95542228
2. 本文地址
- 博客园：https://www.cnblogs.com/coco56/p/11205816.html
- 简书：https://www.jianshu.com/p/7eabfdcad379
- CSDN：https://blog.csdn.net/COCO56/article/details/96424239（无内容，仅做转发使用）
3. 按
Colaboratory 是一个谷歌提供的 Jupyter notebook环境，不需要进行任何设置就可以使用，完全在云端运行，不占用本地资源，另外Colaboratory完全免费。
4. 使用篇
- 准备阶段
Colaboratory是一款谷歌服务，这里我推荐使用chrome浏览器+谷歌访问助手，这样在访问谷歌相关网站的时候就非常的方便。另外，Colaboratory的正常使用需要依托谷歌账号，如果没有的话建议注册一个。
谷歌访问助手官网：http://www.ggfwzs.com/
以上工作都完成后，就可以登陆Colaboratory网站来体验一番了，下面这幅图就是Colaboratory(以下简称colab)的介绍页面。
官网地址：https://colab.research.google.com/ - 基本用法
用过jupyter notebook的朋友应该对这个界面非常的熟悉，事实上colab的操作与普通的notebook相似度非常高，下面我们就新建一个Python3的notebook(下图)，简单地演示一下它的基本用法。
点击“新建PYTHON3 记事本”在下图中的代码框中输入Python代码，点击左侧的按钮执行程序，就会在下方输出打印结果，由于程序第一次运行之前colab会自动连接云端服务器，所以速度可能会有点慢。
值得一提的是，上面这个代码框可不是只能执行Python代码，你还可以把它当作ubuntu的终端来使用，只不过要在所有需要执行的指令之前加一个“!”号。例如，我们如果想查看当前的云端服务器中自带了哪些Python库的话，可以执行“! pip list”指令，结果如下:
可以看到，colab默认安装了大量的Python第三方库，就数据科学方面的库而言，colab的自带库应该会比Anaconda更加完善。
既然可以使用pip指令，那如果想安装其他Python库的时候也可以很方便地安装了，我拿tushare做了一个试验，结果如下:
除了python库之外，使用这种方式还可以执行其他linux指令来部署你自己的云端环境，别忘了在指令前加一个“!”号就好。
5. 配置篇
- 常用配置
我个人认为最常用的配置项主要集中在两个地方：
一是"工具"中的偏好设置(下图)，在这里可以设置主题背景（共分light和dark两种）、缩进宽度等风格，有趣的是colab还自带coding特效，如果威力等级一栏选择了“many power”，那么在写代码的过程中就会产生非常炫酷的效果。
二是“修改”中的笔记本设置，这里可以设置运行时的python版本和硬件加速器。说到这里不得不佩服谷歌，居然提供了GPU和CPU两种加速模式，只要在选项中进行设置，就可以免费获取额外的算力，这下通过在线编辑器使用TensorFlow再也不是梦想了。
除此之外，colab还允许通过共享的方式邀请他人共同讨论、完善代码;如果你不想将代码放到云端服务器中运行，还可以连接本地的开发环境运行程序(下图)。
也可以将colab与github相关联，把notebook中的代码备份到GitHub中...关于这些内容，本文不进行详细说明，有兴趣的小伙伴可以自行尝试。 - 云盘挂载
先来说说挂载云端硬盘的重要性。colab中的代码文件是放在云端服务器中运行的，但存储的位置却是同一账户的谷歌云端硬盘，如果不进行关联设置，colab会默认将notebook文件放到云端硬盘根目录下的“Colab Notebooks”文件夹中。
谷歌云盘官网：https://drive.google.com/drive/my-drive
colab的notebook在云端服务器中运行期间是没办法直接读取本地文件的(比如数据集)，如果想让程序读取指定文件，只能将其放到谷歌云端硬盘中，然后将云端硬盘挂载到colab。
如果在colab中保存过notebook文件，系统将会自动关联你的colab和云端硬盘账户，否则需要在云端硬盘中进行手动关联（此处略）。然后在代码框中输入以下代码并运行。
!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse
from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}
运行过程中会出现下图中的提示，点击链接进行授权验证，将授权码输入到链接下的文本框中，按回车键继续执行。
注意:不同的环境在这一步的执行情况可能会不太一样，需要灵活对待。
接着再执行下面两行代码，由于我在挂载前云端硬盘中有文件，所以加上了nonempty参数，否则可以忽视。
!mkdir -p drive
!google-drive-ocamlfuse -o nonempty drive
顺利的话，到这里云盘挂载就完成了，默认挂载的云盘根目录路径是’drive‘，我们来检验一下（下图），可以看到输出的内容和云端硬盘中的文件是一致的。
import os
print(os.getcwd())
print(os.listdir('.'))
print(os.listdir('drive/Colab Notebooks'))
这样一来，我们就可以将文件放到云盘中供colab读取，或者将colab的运行结果输入到云盘中了。
6. 教学篇
colab作为一款在线编辑器，通过云计算让我们摆脱了装备的限制，不管什么设备，只要能连上谷歌的网络服务，就可以使用云端的服务器，处理云端的数据集；同时，对于工作地点不固定的人来说，也省去了反复配置环境和拷贝文件的麻烦。
然而，colab给自己的定位却是旨在帮助传播机器学习培训和研究成果，所以Colab还关联了一个非常优秀的机器学习学习平台。
点击上图中的“完整课程网站”链接进入教学网站，这里不仅有非常完善的学习资料，还可以根据每个人的基础制定不同的学习计划，更难得的是，无论视频、语音还是文字资料都可以选择中文模式（虽然中文朗读疑似语音合成)。
除了教学网站，colab还有大量交互式机器学习分析的端到端示例(seedbank)供学习和练习，所有seedbank中的项目都可以一键导入colab中运行(下图)。
关于Colaboratory今天就简单介绍到这里，明明是款编辑器，却集成了教学功能，真的堪称史上最强。由于篇幅有限，一些细节和功能都没有介绍，有兴趣的同学可以探索体验一下。