Google Colaboratory の変更点 - .NET 開発基盤部会 Wiki

追加された行はこの色です。
削除された行はこの色です。
Google Colaboratory へ行く。
Google Colaboratory の差分を削除
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfrastructure.osscons.jp]]」は、「[[Open棟梁Project>https://github.com/OpenTouryoProject/]]」,「[[OSSコンソーシアム .NET開発基盤部会>https://www.osscons.jp/dotNetDevelopmentInfrastructure/]]」によって運営されています。

-[[戻る>データサイエンス力]]

*目次 [#f2466320]
#contents

*概要 [#yc4da978]
Google Colab（oratory）
-Googleが提供している
-Colab（コラボ）とも呼ばれる
-インストール不要の
-無料のWebサービス
-機械学習の「教育及び研究用」で（廉価）、
-直ぐにPython環境を整えることが出来る

**前提 [#f4e6d6ef]
-無料で利用する事が出来る。
-Googleアカウントが必要になる。
-1回12時間のCPU及びGPU環境が利用可能。

-無料版はインスタンスが持続しない
--計算資源（特にGPU/TPU）の公平で効率的な利用のため。
--長時間のインスタンス持続を望む場合、有料版を検討。

**使い始め [#xe93eba2]
-Colaboratory へようこそ - Colaboratory - Google にアクセスする。~
https://colab.research.google.com/?hl=ja


***Secret管理 [#jf773a82]
KVSっぽく定義をして、次のコードで Python の秘密鍵にアクセス

 from google.colab import userdata
 userdata.get('secretName')

***Googleドライブ連携 [#q79ce2e9]
セッションが切れると、ローカルファイルが保証されないので重要

-左端のファイルのアイコンを押下
-Googleドライブ風アイコンを押下
-コマンドの書かれたセルに誘導される。
-セルの実行ボタンを押下してコマンド実行
-Googleドライブへのアクセスを認証認可する。
-すると、ファイルシステム上にdriveを確認できる。
#ref(mount.png,left,nowrap,Googleドライブ連携)
-ただし、ココからコード・ファイルは開けいない（データ用）
-コード・ファイルはGoogleドライブでダブル・クリックするとColabで開く。
-そのようにして開いたファイルは、以降、上書き保存できる。

*詳細 [#c39e7c0f]
使い方は、[[各種Notebook系ツール>データサイエンス力#fb702b08]]と同じ。

**課金のタイプ [#ve157ac5]
ColabでのA100は廉価
-NVIDIA A100 GPUは、1枚あたり数10万円〜100万円のハイエンドGPU
-データセンター向けのGPUであり、個人で導入するには非常に高価
-Colab Pro / Pro+ では安価にA100を利用可能

|プラン|月額（税込）|使用可能なGPU|備考|h
|無料版|0円|T4 など（不定）|A100は使えない|
|Pro|約1,180円（100CU）|A100に当たることもある|混雑時は制限あり|
|Pro+|約5,200円（500CU）|A100の優先枠あり|比較的安定して使える|
|Pay As You Go|100CU購入（1,000円から）|A100, L4など|使用時間に応じ柔軟に使いたい場合|
|Enterprise|要問い合わせ|H100, A100など高性能GPU優先|SLA、専用リソース、管理機能あり|

※ CU（コンピューティングユニット）：リソースを利用する際に消費される単位で90日間有効

※ Pay As You Go は、Pro/Pro+ に比べて A100 の優先度が低いことある（特に混雑時）。

**環境のタイプ [#c608d68c]

***ランタイムのタイプ [#efce92b5]
-Python 3
-R
-Julia

***ハードウェア アクセラレータ [#x9a37667]
-無料
--CPU
--T4 GPU
--v2-8 TPU

-有料
--L4 GPU
--A100 GPU
--v6e-1 TPU
--v5e-1 TPU

***ハードウェア アクセラレータとCU消費量 [#c0b78bbe]
性能順

+v6e-1 TPU（v5e に対して 4.7 倍 程度の性能）
+H100（Hopper世代 / 2022年）
+v5e-1 TPU（≒ H100 と同等）
+A100（Ampere世代 / 2020年）
+V100（Volta世代 / 2017年）
+L4（Ada Lovelace世代 / 2023年）
+T4（Turing世代 / 2018年）
+P100（Pascal世代 / 2016年）

CU消費量：A100 ≒ 15/時間、L4 ≒ 5/時間、T4 ≒ 2/時間）、A100は500CUで33時間、T4は100CUで50時間

***ハードウェア アクセラレータの確認方法 [#ie1b088e]
右上の接続情報からも確認できるが、以下でも確認できる。

-nvidia-smi
--
 gpu_info = !nvidia-smi
 gpu_info = '\n'.join(gpu_info)
 if gpu_info.find('failed') >= 0:
   print('Not connected to a GPU')
 else:
   print(gpu_info)
--
 Fri Oct 10 09:48:23 2025       
 +-----------------------------------------------------------------------------------------+
 | NVIDIA-SMI 550.54.15              Driver Version: 550.54.15      CUDA Version: 12.4     |
 |-----------------------------------------+------------------------+----------------------+
 | GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
 | Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
 |                                         |                        |               MIG M. |
 |=========================================+========================+======================|
 |   0  NVIDIA A100-SXM4-40GB          Off |   00000000:00:04.0 Off |                    0 |
 | N/A   35C    P0             42W /  400W |       0MiB /  40960MiB |      0%      Default |
 |                                         |                        |             Disabled |
 +-----------------------------------------+------------------------+----------------------+
 
 +-----------------------------------------------------------------------------------------+
 | Processes:                                                                              |
 |  GPU   GI   CI        PID   Type   Process name                              GPU Memory |
 |        ID   ID                                                               Usage      |
 |=========================================================================================|
 |  No running processes found                                                             |
 +-----------------------------------------------------------------------------------------+

-CPUメモリ

--
 from psutil import virtual_memory
 ram_gb = virtual_memory().total / 1e9
 print('Your runtime has {:.1f} gigabytes of available RAM\n'.format(ram_gb))
 
 if ram_gb < 20:
   print('Not using a high-RAM runtime')
 else:
   print('You are using a high-RAM runtime!')

--
 Your runtime has 89.6 gigabytes of available RAM
 You are using a high-RAM runtime!

-GPUメモリ

--
 import torch
 
 if torch.cuda.is_available():
   for i in range(torch.cuda.device_count()):
     print(f"GPU {i}: {torch.cuda.get_device_name(i)}")
     print(f"  Total memory: {torch.cuda.get_device_properties(i).total_memory / 1e9:.1f} GB")
 else:
   print("No GPU available")

--
 GPU 0: NVIDIA A100-SXM4-40GB
 Total memory: 42.5 GB

*参考 [#l984b6d7]
-https://ja.wikipedia.org/wiki/Project_Jupyter#%E5%AE%9F%E8%A1%8C%E7%92%B0%E5%A2%83

-【初学者必読】Google Colaboratory とは？使い方・便利な設定などをわかりやすく解説！ - AI Academy Media~
https://aiacademy.jp/media/?p=1037

-【Colab 入門】Google Colaboratory とは？使い方・メリットを徹底解説！ | キカガクブログ~
https://blog.kikagaku.co.jp/google-colab-howto

-Google Colaboratoryとは？メリットや使い方を解説！ | スキルアップAI | AI人材育成・開発組織の構築支援~
https://www.skillupai.com/blog/tech/google-colaboratory-1/

-Colab Pro／Pro+／Pay As You Goとは？　無料版との違い、比較表：Google Colaboratory入門 - ＠IT~
https://atmarkit.itmedia.co.jp/ait/articles/2106/07/news025.html