[python] Google colab/Jupyter Lab에서 첫 프로젝트 열기

Google colab

생활 코딩 머신러닝 강의를 들을 때 이후로 두 번째로 사용한 colab. 정작 잘 사용할 일이 없어서, 지금 듣고 있는 실습에서 데이터를 다루게 될 일이 기대된다.

google colab은 Colaboratory를 줄여서 부르는 말. 브라우저에서 python을 직접 작성하고, 실행할 수 있다. 구글에서는 Colab의 장점을 세 가지로 꼽는다.

• GPU Free Access
• Easy Sharing
• No Setup process

그래서 아나콘다를 굳이 설치할 필요성을 아직까지는 못 느끼고 있다!

코드 블럭 한 줄 한 줄에 코드를 쓰고, 바로 Alt+Enter 또는 Shift+Enter 또는 Ctrl+Enter로 실행해볼 수 있다.

• Ctrl+Enter : 해당 셀 실행 : [2] 행에서 Ctrl+Enter 실행 시 다른 셀이 생성되지 않고, [2]의 결과가 바로 확인된다.

사실 위 숏컷 실행은 Jupyter lab에서 진행함. colab과 동일한 숏컷.

 

• Shift + Enter : 아래 셀을 선택하고, 셀 실행. 위 코드에 이어서 Shift+Enter 실행 시, 새로운 셀이 아래에 이어진다.

• Alt + Enter : 셀 실행하고 아래에 새로운 셀 추가.

 

이 코드 블럭을 코랩에서는 셀이라고 부른다.

 

하나의 셀에서 정의한 변수는 다른 셀에서 재사용가능하다. 서로 다른 블럭으로 시각적으로 구분되어 있지만, 결국 모든 셀은 하나의 단일 소스 코드 안에 속하기 때문에, 각 블럭의 실행 순서가 모두 누적되기 때문이다. Numpy나 매트플롯립 같은 Python의 라이브러리를 모두 구글이 제공하는 Jupyter 메모장인 Colab 환경에서 사용할 수 있다.

신기한 건 마크다운 기능도 지원이 되기 때문에, 구글 Colab 처음 화면에 들어가면, 환영 문서가 코드블럭 안에서 코드들과 튀지 않고 자연스럽게 섞인 모습을 볼 수 있다.

 

 

아래는 생활코딩 머신러닝 강좌 때 실습한 레모네이드 딥러닝 코드 예제. 코랩 환경에서 판다스와 텐서 플로우를 사용했다.

 

🔍 판다스(pandas) : Python 외부 공학용 라이브러리. 데이터를 표 형태의 데이터 프레임에 넣어서 쉽게 이용할 수 있도록 해준다.

🔍 텐서플로우(Tensorflow) : 데이터 흐름 프로그래밍을 위한 라이브러리. 심볼릭 수학 라이브러리이자, 인공 신경망 같은 기계 학습 응용 프로그램에도 사용된다.

 

import pandas as pd
import tensorflow as tf

파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/lemonade.csv'
레모네이드 = pd.read_csv(파일경로)

레모네이드.head()

독립 = 레모네이드[['온도']]
종속 = 레모네이드[['판매량']]
print(독립.shape, 종속.shape)

X = tf.keras.layers.Input(shape=[1])
Y = tf.keras.layers.Dense(1)(X)
model = tf.keras.models.Model(X, Y)
model.compile(loss='mse')

model.fit(독립, 종속, epochs=10000, verbose=0)
model.fit(독립, 종속, epochs=10)

print(model.predict(독립))
print(model.predict([[15]]))

실행 결과

 

Jupyter lab

코랩 말고도 주피터랩 환경도 같이 갖추었다. 거의 환경이 동일하지만, 파일 연동/커스텀 함수 import 등의 한계로 주피터를 쓰는 몇 가지 이유가 더 있다고 한다. 주피터 랩(Jupyter lab)도 대화형으로 코드, 텍스트, 수학식, 도표 등을 모두 쓸 수 있도록 된 파이썬 그래픽 인터페이스다.

 

주피터 랩 설치는 cmd 창에서 관리자 권한으로 실행 후, pip install jupyterlab 명령어를 입력하면 바로 설치가 된다. (그런데 관리자 권한이 아닌 상태에서도 다운을 받았던 것 같은데...어쨌든.. 🤔)

 

 

윈도우 cmd 창에서 jupyter lab 명령어를 입력하면, 주피터 랩을 실행할 수 있는 환경을 build한다.

 

위처럼 Build가 완료되고 나면, 아래 같이 localhost:8888에서 주피터 랩이 돌아간다. File->Open from Path... 로 주피터 랩 작업 결과물을 저장하고자 하는 패쓰를 설정해주고, 연다.

 

 

Notebook -> Python 3를 클릭. untitled page가 하나 생성된다. 결국 colab과 주피터 랩이 거의 유사한 환경이어서 위에서 했던 설명이 그대로 적용된다. 다음 번에는 주피터 랩에서 이런 저런 숏컷들과 플러그인을 조금 더 살펴볼 예정.