参考
基于 Google Colab（含 Pro / Pro+ / Pay As You Go）编写，参考 research.google.com/colaboratory/faq.html 与 colab.research.google.com
速查
- 入口：colab.research.google.com
.ipynb兼容：与本地 Jupyter 100% 兼容（底层是 Jupyter Messaging Protocol）- VM 规格（免费层）：Ubuntu + 12GB 内存 + ~100GB 临时磁盘
- GPU：免费 T4 16GB；Pro 可申请 A100 40GB / L4
- TPU：免费 TPU v2（8 核心）
- 运行时上限：免费最长 12 小时；Pro/Pro+ 最长 24 小时
- 存储：Google Drive（持久化）+
/content/（VM 本地，临时） - Python：3.10+（随版本更新）
- 预装：TensorFlow / PyTorch / JAX / scikit-learn / pandas / Transformers
- AI：Colab AI（Gemini）—— 生成 / 解释 / 修复代码
运行时类型与硬件
Hardware accelerator
| 类型 | 免费层 | Pro | Pro+ |
|---|---|---|---|
| None (CPU) | ✅ | ✅ | ✅ |
| GPU | T4 16GB | T4 / Premium (A100 40GB) | T4 / A100 / L4 |
| TPU | TPU v2 | TPU v2 | TPU v2 |
Runtime shape
- Dynamic（默认）：Google 按负载分配资源
- High-RAM（Pro+）：~83GB 内存，跑大 batch
切换方法
Runtime → Change runtime type → 选 Hardware accelerator + Runtime shape → Save切换后 VM 重启。
计划与定价
| 计划 | 价格 | 主要权益 |
|---|---|---|
| Free | 免费 | T4 GPU / TPU，最长 12h，动态配额 |
| Pro | 10 美元/月 | 优先 GPU、最长 24h、Premium GPU（A100）、更多 RAM |
| Pro+ | 50 美元/月 | 背景执行、High-RAM、更多配额 |
| Pay As You Go | 按计算单元 | 灵活付费、企业级配额 |
Compute Units
Pay As You Go 用「compute unit」计费（约 100 个/100 美元）：
- 1 个 compute unit ≈ 1 个 GPU-hour（标准 T4）
- Premium GPU（A100）消耗 2-3 个/小时
- 用完即止，不过期（在订阅期内）
#@param 类型完整表
type | 用法 | UI 控件 |
|---|---|---|
"string" | name = "Alice" #@param {type:"string"} | 文本输入 |
"integer" | age = 25 #@param {type:"integer"} | 整数输入 |
"number" | weight = 60.5 #@param {type:"number"} | 浮点输入 |
"boolean" | is_ok = True #@param {type:"boolean"} | 复选框 |
"date" | d = "2026-01-15" #@param {type:"date"} | 日期选择器 |
"slider" | x = 50 #@param {type:"slider", min:0, max:100, step:1} | 滑块 |
"raw" | s = "abc" #@param {type:"raw"} | 原始输入（无验证） |
| 数组代替 type | m = "a" #@param ["a", "b", "c"] | 下拉 |
完整示例：
python
#@title 训练配置
model_name = "bert-base-uncased" #@param ["bert-base-uncased", "gpt2", "t5-small"]
learning_rate = 0.0001 #@param {type:"slider", min:0.00001, max:0.01, step:0.00001}
batch_size = 32 #@param {type:"integer"}
epochs = 3 #@param {type:"integer"}
use_amp = True #@param {type:"boolean"}
output_dir = "/content/drive/MyDrive/outputs" #@param {type:"string"}
start_date = "2026-01-15" #@param {type:"date"}
print(f"训练 {model_name}: lr={learning_rate}, bs={batch_size}, amp={use_amp}")快捷键表
Colab 快捷键与 Jupyter 大致一致，但有 Google 自定义：
| 快捷键 | 行为 |
|---|---|
Shift+Enter | 运行 cell + 跳到下一个 |
Ctrl+Enter / Cmd+Enter | 运行 cell 停在原位 |
Alt+Enter / Option+Enter | 运行 cell + 插入新 cell |
Ctrl+M A | 上方插入 cell |
Ctrl+M B | 下方插入 cell |
Ctrl+M D D | 删除 cell |
Ctrl+M M | 切换为 markdown |
Ctrl+M Y | 切换为 code |
Ctrl+M Z | 撤销删除 |
Ctrl+M Shift+Enter | 在 Colab Pro+ 后台运行 |
Ctrl+M H | 显示快捷键列表 |
Ctrl+S | 保存（自动保存到 Drive） |
两种快捷键模式
Colab 默认用 Ctrl+M 前缀（与 Jupyter 的 Esc 命令模式不同），可在 Tools → Keyboard shortcuts 切换为「classic」模式（Jupyter 风格）。
google.colab 内置库
drive：挂载 Drive
python
from google.colab import drive
drive.mount('/content/drive')
drive.flush_and_unmount() # 卸载files：上传 / 下载
python
from google.colab import files
# 上传（弹文件选择）
uploaded = files.upload()
for name in uploaded:
print(name, len(uploaded[name]), 'bytes')
# 下载
files.download('/content/result.csv')auth：GCP 鉴权
python
from google.colab import auth
auth.authenticate_user()
# 之后用 gsutil / google-cloud-* 库
import google.cloud.storage
client = google.cloud.storage.Client()output：自定义输出
python
from google.colab import output
# 注册 Python 函数让前端 JS 调
@output.register_callback('greet')
def greet(name):
return f'Hello, {name}'
# 在 cell 输出区执行 JS
output.eval_js('alert("hello")')
# 实时更新输出（避免 print 刷屏）
with output.use_tags('some_tag'):
print('更新中...')
output.clear(output_tags='some_tag')预装包列表
Colab 镜像预装了主流科学计算栈（每次启动约 4GB）。可通过 !pip list 看完整列表，常见的：
| 类别 | 包 |
|---|---|
| 核心 | numpy / scipy / pandas / matplotlib / seaborn |
| ML | scikit-learn / xgboost / lightgbm |
| DL | tensorflow / torch / torchvision / torchaudio / jax / flax |
| NLP / LLM | transformers / tokenizers / datasets / sentence-transformers |
| CV | opencv-python / Pillow / albumentations |
| 可视化 | plotly / bokeh / altair |
| Web | requests / httpx / flask |
| Notebook | ipywidgets / notebook / jupyterlab |
| Colab 自有 | google-colab（drive/files/auth/output） |
每次重启 VM 不会丢这些预装包；只有 !pip install 装的第三方包会丢。
与其他工具对比
| 维度 | Colab | Kaggle Notebooks | 本地 Jupyter | Vertex AI Workbench |
|---|---|---|---|---|
| 部署 | 浏览器即用 | 浏览器即用 | 自己装 | GCP 托管 |
| 免费 GPU | T4 16GB | T4 x2 / P100 | 无 | 无（按需付费） |
| 文件存储 | Google Drive | Kaggle Datasets | 本地磁盘 | GCS |
| 数据集 | 自带 / Drive | 内置 Kaggle 数据集 | 自带 | GCS / BigQuery |
| 运行时上限 | 12h（24h Pro） | 12h（30h/周） | 无 | 无（按需） |
| 协作 | Google Docs 式 | 不可协作 | RTC（JupyterLab） | GCP IAM |
| AI 助手 | Colab AI（Gemini） | 无 | 无 | Gemini in Vertex |
| 自定义环境 | 仅 !pip | 仅 !pip | venv/conda/Docker | Docker / 自定义 |
| 私有数据 | Drive（合规风险） | Kaggle Datasets | 本地 | GCS + IAM |
| 适合人群 | 学生、研究者、Demo | 竞赛选手 | 重度用户、工程师 | 企业 MLOps |
配额与限速细节
免费层配额
- GPU 时长：动态，无固定上限；高峰期可能拒绝分配
- idle 断开：约 30-90 分钟无操作会断
- 最长会话：12 小时（墙钟）
- 多 notebook 并发：通常 1-2 个
Pro / Pro+ 配额
- 优先级：GPU 队列优先分配
- Premium GPU：A100 40GB（受可用性限制）
- 背景执行（Pro+）：关浏览器跑
- 配额提升：约 2x / 5x 免费层
风控触发
- 短时间内多次 disconnect / reconnect
- 多账号在同一 IP 申请 GPU
- 高频调用 Colab AI
- 加密货币挖矿（会被永久封号）
安全检查清单
部署敏感项目时的检查项：
- API Key 不写硬编码：用 Drive
.env+python-dotenv，或 Google Secret Manager - 数据存私有 GCS：用 IAM 权限控制，避免 Drive 公开链接
- 关闭「保存到 Drive」：敏感输出存到 VM 后立即删除，不持久化
- 审计共享权限：检查 Drive 文件夹的「任何人都能查看」
- 登出 Google 账号：用完 Colab 在 Google 账号页 revoke Colab 权限
- 企业合规：金融 / 医疗数据用 Vertex AI Workbench（有合规认证），不用公开 Colab
常见问题
Q: 我能跑 7B 模型吗？
A: T4 16GB 上可以——但需要 4-bit 量化（bitsandbytes）+ LoRA（peft）。完整 BF16 推理 7B 需要 14GB+，T4 不支持 BF16，需要 FP16 或量化。
Q: 12 小时墙之后怎么办？
A: 三种方案：
- Checkpoint + 重启恢复：每 N 步存 Drive，新会话加载继续
- 多 Colab 串联：写个 controller notebook 触发下一个
- 升级 Pro+：24h + 背景执行
Q: 训练突然被中断了？
A: 检查：
- 是否 idle 太久（移动鼠标 / 跑 cell）
- 是否触发了 12h 墙
- 是否被风控（短时间内多次申请 GPU）
Q: Colab 能用 Docker 吗？
A: 不能。Colab VM 不支持嵌套虚拟化，也不能 sudo 装 Docker。要自定义环境只能 !pip install 或把代码上传到 Drive。
Q: 怎么本地编辑 Colab notebook？
A: 下载 .ipynb → 用 VS Code / JupyterLab 编辑 → 上传回 Drive / Colab。或装 colab-cli 命令行同步。
Q: Colab 与 Vertex AI Workbench 什么关系？
A: 都是 Google 出品，Colab 是消费级（免费 / 低门槛），Vertex AI Workbench 是企业级（GCP 集成、IAM、合规、无 24h 限制）。后者底层也是 Jupyter，但运行在 GCP 用户自己的项目里。