Google colaboratory 在colab中重复读取驱动器中的多个脚本

我正在使用神经网络解决大型非线性偏微分方程系统，在colab的驱动器上安装了10个python脚本类。我在主python脚本中的算法来回调用这10个类，以迭代方式找到解决方案。即使使用GPU，培训也需要很多时间，我想知道这是否是因为主脚本在驱动器中反复调用类。脚本的大小不大（每个脚本最多1000行），而且我没有导入任何数据（所有数据都是从主脚本中模拟的）

---

如果您对此有任何想法，我们将不胜感激。谢谢

您可以尝试将文件复制到虚拟机并从那里运行它们：

%%shell
cp <path to file in drive> /usr/local/bin
python /usr/local/bin/file_name.py

%%shell
cp/usr/local/bin
python/usr/local/bin/file_name.py

如果其他人也有同样的问题，我通过做两件简单的事情来解决

正如rchurt提到的，我将文件复制到了路径

重要的是，我创建了一个.py模块（编写类而不是函数，并将它们嵌入到同一个文件中），以避免在多个文件中来回切换。这很有魅力

---

只是想看看它是否有用，您是否可以尝试通过执行

将它们从驱动器复制到VM！cp/usr/local/bin

？@rchurt谢谢你的提示。如何引用/usr/local/bin来执行该文件？是“cd/usr/local/bin”吗？然后呢！python文件_name.py'？谢谢！它对CPU绝对有效。它也适用于GPU吗？我无法测试它，因为colab GPU从昨天开始就不可用（奇怪！）。我刚刚检查过，即使按照您的建议将文件复制到bin，GPU仍然比CPU慢。我不知道为什么：（您编写的代码是在GPU上运行的吗？通常您不能只运行为在GPU上的CPU上运行而编写的代码，而且速度更快。您必须对其进行修改，以利用GPUI安装的tensorflow GPU版本的并行性，并在colab运行时选择“GPU”选项。这还不够吗？谢谢。可能不行，我会作为separ来问这个问题回答问题并发布您想要在GPU上运行的代码