Google Colaboratory（https://colab.research.google.com）是谷歌开放的一款研究工具，主要用于机器学习的开发和研究。这款工具现在可以免费使用，但是不是永久免费暂时还不确定。Google Colab最大的好处是给广大的AI开发者提供了免费的GPU使用！GPU型号是Tesla K80！你可以在上面轻松地跑例如：Keras、Tensorflow、Pytorch等框架。
Mask R-CNN（https://github.com/matterport/Mask_RCNN），Mask R-CNN for object detection and instance segmentation on Keras and TensorFlow，是一款物体检测与分割的开源软件。Mask R-CNN是ICCV 2017的best paper，彰显了机器学习计算机视觉领域在2017年的最新成果。在机器学习2017年的最新发展中，单任务的网络结构已经逐渐不再引人瞩目，取而代之的是集成，复杂，一石多鸟的多任务网络模型。Mask R-CNN就是典型的代表。本篇大作的一作是何凯明。
本文目的在于尝试在colab上使用其GPU运行环境，运行Mask R-CNN的demo，看看实际运行的速度和效果究竟如何。
2，运行环境准备参考文件：Google Colab——用谷歌免费GPU跑你的深度学习代码
https://www.jianshu.com/p/000d2a9d36a0
为使mrcnn的demo代码能在colab中跑起来，需先安装运行环境。步骤如下：
è 将github项目代码复制到google云端硬盘中。
è 在云端notebook中启动demo代码。
è 设置notebook代码运行环境
è 安装软件并挂载Google Drive
è 安装requirements包
è 安装mrcnn包
2.1复制代码将Mask R-CNN代码从github下载，然后上传到google云端硬盘中。具体步骤略过。
2.2，打开代码
在google drive目录中找到 samples目录下的demo.ipynb文件，点击鼠标右键，选择“打开方式”，选择“Colaboratory”
2.3，设置代码环境
依次选择菜单项：修改—笔记本设置，在设置界面选择GPU加速器。
2.4，安装必要的包和软件
点击“+代码”按钮，在其中输入以下代码，按ctrl+enter运行
!apt-get install -y -qq software-properties-common python-software-properties module-init-tools !add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null !apt-get update -qq 2>&1 > /dev/null !apt-get -y install -qq google-drive-ocamlfuse fuse from google.colab import auth auth.authenticate_user() from oauth2client.client import GoogleCredentials creds = GoogleCredentials.get_application_default() import getpass !google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL vcode = getpass.getpass() !echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}