步骤 1：打开电脑浏览器，登录并创建你的"笔记本"
打开 Colab：在地址栏输入 colab.research.google.com 并回车。
新建笔记本：点击页面上的"新建笔记本"按钮。
⚙️ 步骤 2：为项目开启"涡轮增压"（设置 GPU）
进入设置：点击顶部菜单栏的 运行时 -> 更改运行时类型。
选择 GPU：在"硬件加速器"下拉菜单中选择 GPU，然后点击"保存"。
验证生效：用快捷键 Shift + Enter 运行下面这个代码单元，如果最后一行输出 True，就说明成功啦。🎉
python
import torch
print(torch.cuda.is_available())
💡 小提示：如果你使用的是简体中文界面，菜单会是"代码执行程序"->"更改运行时类型"。
📁 步骤 3：把本地代码和数据"搬"到云端
Colab 的服务器是临时环境，所以需要手动把文件传上去。
在笔记本里操作：在新建的代码单元里运行下面这段代码，它会自动弹出一个窗口让你选择本地的文件。
python
from google.colab import files
先上传到谷歌云端硬盘
把谷歌硬件云端的导入到colab这边
运行后会弹出窗口让你选文件
uploaded = files.upload()
文件上传后，会保存在 /content/ 目录下。
通过云盘同步：如果你在 Google Drive 里已经把文件整理好了，那直接在笔记本里挂载，能省不少事。
运行下面的代码，点击弹出的链接授权，并把授权码粘贴到出现的输入框里：
python
from google.colab import drive
drive.mount('/content/drive')
挂载成功后，你 Drive 里的所有文件就在 /content/drive/MyDrive/ 这个目录下了。
直接从网上下载：如果数据集有个直接的下载链接（URL），用 !wget 命令下载是最快的方法。
bash
记得把下面的下载链接换成你真正的
!wget -O dataset.zip "YOUR_DATASET_DOWNLOAD_URL"
⚙️ 步骤 4：在"实验室"里跑起训练
输入项目代码：把之前准备好的 GAN 代码，直接复制或写入到 Colab 的代码单元里。
一键开跑：点击代码单元左边的"播放"按钮，或者用快捷键 Shift + Enter 来执行。
无缝衔接：可以利用 GitHub 快速导入项目。Colab 支持直接从 GitHub 打开 .ipynb 文件（比如李宏毅老师课程的代码文件），省去上传的步骤。
👀 步骤 5：如何监控训练进展
直接打印：在训练循环里用 print(f'Epoch: {epoch}, Loss: {loss}') 直接看。
实时绘图：在同一个代码单元里，用 Matplotlib 实时绘制损失曲线也是个办法。
python
import matplotlib.pyplot as plt
在训练循环里...
loss_D_list.append(loss_D.item()) # 记录判别器损失
loss_G_list.append(loss_G.item()) # 记录生成器损失
每个 epoch 结束后画个图
plt.figure(figsize=(10,5))
plt.title("Generator and Discriminator Loss During Training")
plt.plot(loss_G_list, label="Generator")
plt.plot(loss_D_list, label="Discriminator")
plt.xlabel("iterations")
plt.ylabel("Loss")
plt.legend()
plt.show()
专业工具：还可以使用 torch.utils.tensorboard 来记录日志，然后在 Colab 里用 %load_ext tensorboard 和 %tensorboard --logdir logs/ 命令启动 TensorBoard 面板。这种方式的信息更全。
💾 步骤 6：保存模型与防中断技巧
防止断连：在浏览器中按 F12 打开"开发者工具"，切换到"控制台"粘贴下面这段代码并回车。这会让页面每隔 55 秒模拟一次点击，避免因空闲超时而断连。
javascript
function ClickConnect(){
console.log("保持连接中...");
document.querySelector("colab-connect-button").click()
}
setInterval(ClickConnect, 55000)
不过请留意，这个脚本只能防止"空闲断开"，无法绕过 Colab 12 小时的强制断开会话限制。
保存模型到云盘：挂载 Drive 后，可以直接把训练好的模型（.pth）存进去。
python
假设你的模型叫 G
torch.save(G.state_dict(), '/content/drive/MyDrive/my_gan_generator.pth')
下载到本地：模型较小的话，也可以直接用下面的代码下载到本地：
python
from google.colab import files
files.download('/content/my_gan_generator.pth')
📝 一个小结
简单来说，流程就是：
登录 Colab -> 新建笔记本 -> 启用 GPU -> 用代码单元写/传代码 -> 挂载 Drive 读数据 -> 运行训练（print/plot监控） -> 把模型存回 Drive 或下载到本地。