🖥️ Types de sessions

Dans Google Colab, tu peux travailler avec trois types de sessions :

1. Session hébergée avec CPU
2. Session hébergée avec accélérateur GPU
3. Une session locale, qui utilise ta propre machine

(4. Nous aurons aussi la possibilité de travailler avec Google Cloud - Colab Enterprise, cela est décrit ici)

---

1. Hébergée avec CPU ☁️🐌

1. Ouvre ton notebook dans Google Colab.
2. En haut du notebook, clique sur le menu Exécution.
3. Clique sur Modifier le type d’exécution.
4. Dans la fenêtre qui s’ouvre :
   • Accélérateur matériel : choisis Processeur.
5. Clique sur Enregistrer.

Ta session utilise maintenant une machine cloud avec CPU uniquement, ce n'est pas très rapide mais ça te permet de travailler même si tu n'as plus de quotas pour des machines avec accélérateur. Les sessions CPU sont aussi sujet à quotas mais ces derniers sont très permissifs.

---

2. Hébergée avec accélérateur GPU ☁️🚀

Ce mode te permet d’utiliser une carte graphique (GPU) pour accélérer les calculs parallélisables.

2.1. Activer un GPU dans Colab

1. Dans ton notebook Colab, clique sur le menu Exécution.
2. Clique sur Modifier le type d’exécution.
3. Dans la fenêtre :
   • Type de matériel d’accélération : choisis GPU T4.
4. Clique sur Enregistrer.

Une nouvelle session sera lancée avec un GPU.

2.2. Vérifier que le GPU est bien disponible

import torch

print("GPU disponible ?", torch.cuda.is_available())
if torch.cuda.is_available():
    print("Nom du GPU :", torch.cuda.get_device_name(0))

2.3. Précautions avec les sessions GPU

attention

• Vous ne pouvez avoir qu'une seule session GPU d'ouverte.
• Le temps de session GPU est limité (quotas Google), vous pourriez ne plus avoir accès aux accélérateurs sans pré-avis.
• En cas d’inactivité, la session peut être coupée.

Nous allons donc devoir utiliser des stratégies pour sauvegarder nos modèles pendant l'entraînement (Callbacks Keras).

---

3. Session locale 🏠

Il est aussi possible d’utiliser Google Colab comme interface, mais d’exécuter le code sur ton propre ordinateur.

Avantages :

• Tu utilises ton CPU / GPU local (si tu en as un).
• Tu n’es plus limité par les quotas de temps des sessions hébergées.
• Tu peux chauffer ta maison 🌋.

Inconvénients :

• Tu dois installer/configurer tous les logiciels nécessaires.
• Les performances dépendent de ton matériel.
• Tu payes l'électricité ⚡.

3.1. Pré-requis (déjà fait pour les machines des laboratoires)

1. Installe Python et pip sur ta machine.
2. Installe/configure toutes les librairies utilisées dans les laboratoires 😱
3. Installe Jupyter :

   pip install jupyter

3.2. Lancer et connecter le serveur

1. Sur les machines des laboratoires il faut d'abord installer une librairie manquante:

   pip install tensorflow

2. Lance un serveur Jupyter local :

   jupyter notebook --NotebookApp.allow_origin='https://colab.research.google.com' --port=8888 --NotebookApp.port_retries=0 --NotebookApp.allow_credentials=True

3. Le programme affichera dans la console l'URL du serveur: http://localhost:8888/?token=..., copie le.
4. Dans Colab, clique sur Connecter (en haut à droite), puis sur la petite flèche ▾ et clique sur l’option Connecter à un environnement d'éxecution local.
5. Colle l'URL dans le champ correspondant.

Une fois connecté, l’exécution des cellules se fera sur ta machine, mais l’interface restera celle de Google Colab.

info

Pour pouvoir rouler le code des travaux sur ton ordinateur personnel, il faudra installer toutes les librairies nécessaires (Numpy, Keras, PyTorch ...). Il faudra aussi configurer ton GPU, si tu en as un, pour qu'il soit utilisable.

Les machines des laboratoires peuvent être plus rapides que les sessions CPU hébergées, par contre tu ne pourras pas monter le Google Drive de la façon que nous avons vu, tu devras donc sauvegarder tes fichiers manuellement.

---