這個學期，我在北得克薩斯大學（University of North Texas）教「INFO 5731: Computational Methods for Information Systems」課程，主要內容包括： Python 基礎、自然語言處理，以及機器學習。

授課的對象是信息科學、數據科學專業(yè)的碩士與博士研究生。跟在國內一樣，我依然使用翻轉教學（flipped instruction）方式。過去的幾周，我們把「Python 基礎」部分學完了。每周，我都會要求學生在課前閱讀兩本教材上的指定章節(jié)，然后把所有的代碼自己重復一遍。在此基礎上，對每一段代碼，學生都要自己試著進行一些改動。出錯也沒有關系，嘗試解決。

因為絕大部分學生，都是 Python 初學者。因此他們都會遇到以下的實際問題：

• 不知道如何安裝和設置運行環(huán)境；

• 遇到問題會慌亂，不知如何有效尋找解決方法；

• 對于團隊作業(yè)，不知該如何有效協作；

• 不懂得如何進行版本控制，代碼越改越亂。

這些問題，也構成了學生的痛點。如果不能有效加以解決，學生會把每周寶貴的學習時間，浪費到許多瑣碎的無用功上。更可能的情況，是他們的信心會被打擊，導致喪失學習的動力和興趣。

因此，我為他們找到了一款合適的 Python 練習工具。這里，我把這款工具也分享給你。

這款工具，就是 Google Colab 。我曾經在《如何免費云端運行Python深度學習框架？》一文中為你介紹過它，在《如何用 Python 和循環(huán)神經網絡做中文文本分類？》和《如何用 Python 和循環(huán)神經網絡預測嚴重交通擁堵？》里，我也曾用它給你做過代碼的展示。

下面，我給你們介紹一下如何用 Google Colab 應對上述的 4 個痛點，為你的 Python 練習提供輔助。

環(huán)境

新手最常見的問題，就是好不容易累積了學習的興趣，上手不久便遇到報錯。而 Python 新手遇到的許多錯誤，實際上都和環(huán)境的配置有關。例如說，Anaconda 套件下載環(huán)節(jié)，你就不知道該選擇哪個版本。

好不容易安裝好了，因為路徑設置問題，連 Jupyter Notebook 都呼叫不出來。終于能輸入代碼了。結果一輸入就提示，你要調用的模塊名稱，沒聽說過！

而這些，Google Colab 都幫你處理好了。只需要打開一個瀏覽器（推薦 Google Chrome 或者 Firefox），輸入：https://colab.research.google.com 就可以看到以下頁面。

選擇新建 Python 3 筆記本，然后就能看到完全配置好的 Python 運行環(huán)境了。

對，就是這么簡單。你可別小瞧這個運行環(huán)境，雖然你沒有執(zhí)行任何安裝過程，但是它基本上涵蓋了你做數據科學分析，要用到的各種工具，這些工具包括但不限于 Numpy、Scipy、Pandas 等，甚至連深度學習的框架，例如 Tensorflow、Keras 和 Pytorch，也是一應俱全。

Google Colab 的深度學習環(huán)境支持，可不只是軟件那么簡單。Google 慷慨的提供了 GPU， 甚至是更專業(yè)化的 TPU， 供你免費使用。

默認狀態(tài)，這些云端硬件是不開啟的。你需要在菜單欄中選擇 runtime，然后選擇 Change runtime type，就可以看到不同硬件支持的選項了。

有的書籍樣例代碼，甚至是 Python 組件，都需要 Python 2 環(huán)境才能運行，這也沒關系。點擊新建筆記本，你就能使用不同的 Python 版本了。

細心的你會發(fā)現，在上面的「修改運行時設置」頁面里，也可以隨時調整 Python 版本。

求助

作為新手，你遇到錯誤和問題，是完全正常的。而 Python 具有強大的社區(qū)，可以給你提供很多幫助。

但如果你嘗試過，便可能有一種錯覺——這些 Python 高手很不友好。因為你貼了問題，卻沒人理你。其實，這很可能是你問問題的方式不對。想想看，你籠統(tǒng)地說一個報錯信息，可能的原因或許有數十甚至上百種，誰能幫你一一排除？這倒也罷了?？墒悄忝髅髻N了一段代碼，還給出了錯誤信息的截圖啊。為什么還是沒有人伸出援手？因為這些信息，可能依然不夠。

想想看，你本地安裝了什么樣的套件？其中的各種模塊，都分別是什么版本？你執(zhí)行當前代碼有問題，那上下文是什么？會不會是因為之前某個代碼段落，影響了你當前段落的執(zhí)行？你的操作系統(tǒng)，是否完全支持你正在使用的組件功能……這些可能性，無窮無盡。同樣，也沒有人這樣花時間幫你枚舉。

但是有了 Google Colab ，你提問的效果卻可以大大提升。因為，你可以用最簡單的方法，讓潛在的回答者復現你的問題。這就是，把你的筆記本共享出去。如下圖，點擊筆記本右上角的 Share 按鈕。

在出現的對話框里，注意選擇權限。選成可以瀏覽（view），就可以了。

然后，選擇「復制鏈接」，鏈接就到了你的剪切板里面了。把它連同你的文字描述，直接貼到 Python 的論壇或者課程討論區(qū)里。別人只需要點擊，就能查看你的全部代碼、報錯信息。而且，還能運行你的筆記副本。注意，雖然你倆可能用的是不同的操作系統(tǒng)、不同的瀏覽器，但因為都用了 Google Colab ，你們的 Python 環(huán)境是完全一致的。等到對方解決了問題，他還可以把完整的筆記本再用鏈接方式分享給你。你的問題于是迎刃而解。

問問題，只是尋求幫助的一個方面。在提問之前，你還是應該自己嘗試一下解決的。毫不愿意思考，直接當伸手黨，社區(qū)里的人很難喜歡跟你打交道。而 Google Colab 為你主動尋找問題答案提供了工具支持。每當你遇到報錯的時候，你都會看到下方有個按鈕。

點擊這個按鈕， Google Colab 就會用搜索引擎，在 Stackoverflow 這個 IT 問答站點上，幫你尋找相關報錯的已有答案。

一般來說，點擊前幾條信息，你就會有收獲。例如這次，你就很幸運，因為答案明確說明，這是因為 Python 版本帶來的差異。你只需要根據提示，進行代碼的輕微調整，就能正常運行了。

協作

不知你有沒有嘗試過跟人協作編寫代碼？我的課上，是有小組作業(yè)的。要求學生 2 – 3 人一組，一起用 Python 解決問題。有的人，是這樣協作的：自己寫一段代碼，用郵件傳給對方；對方改完，發(fā)回來；自己在上面修改添加，再發(fā)回去……

這樣顯然效率很低。有沒有高效的方法？當然有。依然利用我們剛才已經見到過的共享功能。

只是這一次，在選擇權限的時候，給對方「可修改」權限。

例如還是剛才的 print 命令沒有加括號的問題。只不過這次，對方除了能看到你的問題，還可以直接編輯。你的協作者，新建了一個代碼塊，并且輸入了正確的信息。

在你這里看起來，就是這個樣子的。協作者的頭像，會顯示在對應的修改內容旁邊。這樣一目了然。

對方還可以在代碼塊旁，選擇添加注釋。

例如輸入以下內容。

你可以同步在自己的筆記本上，看到對方的注釋。

這樣一來，團隊協作 Python 練習溝通的效率，自然就高了許多。

注意，為了安全起見，一定只能把該權限，限定在你信任的協作者中。

如果是打算把你的成果展示出來，你可以使用 Google Colab 與 Github 的集成功能。如下圖，選擇保存副本到 Github 。

然后，選擇你希望保存到的 Github 項目。

保存完畢后，對應的 Github 頁面會自動打開，供你預覽。其中可以包含全部的文字、圖片、代碼和輸出信息。注意筆記本的頂部，有一個「在 Colab 打開」的鏈接。

點擊它，你就能迅速開啟 Google Colab 環(huán)境，并且直接運行這個 Github 上的筆記副本。

版本

當你不停地嘗試和改動代碼的時候，很有可能會把問題改得更加糟糕。這時候，你恨不得有一個時光機，可以讓你回到錯誤少一點的時候。這個時光機，Google Colab 是提供了的。

點擊菜單里面的 Revision history 功能，你就能看到當前筆記本已保存的全部歷史版本，包括修改時間、誰改的、文件大小等各種信息，一應俱全，想回到哪個版本，點一下「恢復」按鈕就可以了。

另外，你也可以把 Google Colab 筆記本，直接下載成為 ipynb 文件，在本地保存副本。

一定要注意選擇需要的存儲路徑，避免不知存到哪里去了。

我一般讓學生交作業(yè)的時候，都需要同時提交 Google Colab 鏈接，以及一個 ipynb 文件。二者的內容，應該是一樣的。既然如此，為什么還需要提交兩樣東西呢？這個問題，作為思考題，留給你。請注意聯系本節(jié)標題，加以分析。

有了 ipynb 文件，你可以用本地的 Jupyter Notebook 開啟。但是如果你只是想查看內容的話，這里給你推薦一個更好的工具，叫做 https:/// 。它可以幫你直接開啟 ipynb 文件，用于查看。這樣，你就沒必要每次都用 Jupyter Notebook 命令開啟后臺服務，然后再到瀏覽器中點開對應的 ipynb 了。

小結

還記得在《如何高效學 Python ？》一文中，我給你推薦過的經典教材《笨辦法學 Python》吧？

《笨辦法學 Python》指出了一條看似笨拙，卻非常有效的學習路徑。我上課的時候，也一直在跟學生們強調——Python 這樣的實踐類技能，只能練中學（Learn by doing）。