구글 코랩을 당신이 좋아하는 터미널에서

Source: Dev.to

최근 글들 중에는 VS Code용 Colab 확장과 Antigravity IDE를 사용한 것이 있었지만, 저는 실제로 터미널과 Vim에서 작업하는 것을 더 선호합니다. 새로운 Colab CLI 덕분에 이제 제가 가장 익숙한 환경에서 작업할 수 있게 되었고, 자율적인 워크플로우의 문을 열었습니다!

Setup

현재 설치는 pip 또는 uv를 통해 진행됩니다. 간단하지만, 앞으로 brew formula가 나오길 기대하고 있습니다:

uv tool install google-colab-cli

저는 Ghostty 안에서 Version: 0.6.dev7+g510115b0c 를 테스트하고 있습니다. Colab CLI는 꽤 견고하지만, 몇 가지 피드백과 사소한 불편 사항을 공유하고 싶습니다(자세한 내용은 아래).

Creating a new session

세션을 만드는 방법은 간단합니다:

colab new [-s SESSION_NAME] [--gpu T4|L4|A100|H100] [--tpu v5e1|v6e1]

• SESSION_NAME: 선택 사항입니다. 비워두면 CLI가 무작위 고유 ID를 생성합니다.
• --gpu 와 --tpu: 하드웨어 가속기 플래그는 선택 사항이며, 생략하면 기본 CPU 전용 인스턴스가 사용됩니다. 요청할 수 있는 가속기 종류는 사용 중인 Colab 티어에 따라 다르며, colab pay 로 확인할 수 있습니다.

NOTE: 활성 세션이 하나뿐이라면 CLI가 자동으로 해당 세션을 대상으로 합니다. 따라서 이후 명령에서는 -s 플래그가 필요 없습니다.

Testing Colab CLI’s capabilities

CLI가 멋져 보이긴 하지만, 실제로 아티팩트와 이미지를 어떻게 다루는지, 그리고 디버깅은 얼마나 쉬운지 궁금했습니다. 그래서 Fashion MNIST PyTorch 예제를 실행해 보았습니다.

Handling artifacts

우선 colab install torch torchvision matplotlib 로 필요 패키지를 설치했습니다. 더 일반적인 방법을 원한다면 colab install -r requirements.txt 도 사용할 수 있습니다.

환경이 준비되면 다음 명령으로 학습 스크립트를 실행했습니다:

colab exec -f ./fashion_mnist_TRAIN.py

출력은 다음과 같습니다:

[colab] Using unique session '8c860c'.
Using CUDA device.

Shape of X [N, C, H, W]: torch.Size([64, 1, 28, 28])
Shape of y: torch.Size([64]) torch.int64
NeuralNetwork(
  (flatten): Flatten(start_dim=1, end_dim=-1)
  (linear_relu_stack): Sequential(
    (0): Linear(in_features=784, out_features=512, bias=True)
    (1): ReLU()
    (2): Linear(in_features=512, out_features=512, bias=True)
    (3): ReLU()
    (4): Linear(in_features=512, out_features=10, bias=True)
  )
)
Epoch 1
----------------------------------
loss: 2.299284 [   64/60000]
...
...
Epoch 25
----------------------------------
loss: 0.495004 [   64/60000]
...
Test Error:
 Accuracy: 79.9%, Avg loss: 0.574529

Done!
Saved PyTorch Model State to 01_mnist_model.pth

전체 화면 모드 진입
전체 화면 모드 종료

학습이 끝나면 PyTorch 모델이 Colab 인스턴스에 저장됩니다. 이 파일들을 관리하는 두 가지 확실한 방법이 있습니다:

• Google Drive: colab drivemount [PATH] 로 Google Drive를 마운트하면 아티팩트를 영구적인 클라우드 파일 시스템에 바로 저장할 수 있습니다.
• Local Download: colab download REMOTE_FILE LOCAL_FILE 로 모델을 로컬 머신으로 다운로드할 수 있습니다.

Working with images

이미지가 정상적으로 표시되는 것에 놀랐습니다! 셸을 사랑하는 사람이라도 터미널 환경에서 이미지를 다루는 경우는 드물었는데, 이렇게 매끄럽게 동작한다니 감탄했습니다.

colab exec -f ./fashion_mnist_PREDICT.py 로 추론 스크립트를 실행했을 때, CLI가 시각 출력을 자동으로 처리했습니다:

NOTE: 여기에는 학습 스크립트와 추론 스크립트 링크가 포함되어 있습니다.

Debugging

Colab 작업 디버깅이 이전보다 훨씬 쉬워졌습니다. colab console 로 실행 중인 인스턴스에 바로 접속할 수 있기 때문입니다:

셸에 접속하면 다운로드된 파일을 확인하거나, 아티팩트를 검증하거나, 필요에 따라 추가 의존성을 즉시 설치할 수 있습니다.

작업 기록을 남겨야 할 경우 colab log -o SESSION_HISTORY_FILE 로 로그와 세션 히스토리를 내보낼 수 있습니다. 이 파일을 마운트된 Google Drive에 저장하면 장기 보관이나 나중에 리뷰하기에 편리합니다.

COLAB_SKILL.md

CLI 도구가 다시 주목받는 이유는 전통적인 GUI보다 효율적이기 때문입니다. GUI는 인간의 직관에 맞춰 시