$ loading_
在 Colab 中统一管理笔记本单元并切换 GPU,稳定执行自动化开发实验任务
复制安装指令,让 AI 自动完成配置 · 推荐新手
"colab-mcp (enhanced fork)" 暂无可直接复制的安装信息,请查看页面文档或源码仓库。
请连接我的 Colab 笔记本,读取当前所有单元,删除空白代码单元,把导入依赖、数据加载、训练、评估分别整理到合适位置,并按顺序运行全部代码单元,最后汇总每个单元的执行结果。
整理后的单元结构、执行状态,以及每个单元输出结果的摘要。
请把当前 Colab 运行时切换到 L4 GPU,如果不可用则尝试 T4;随后新增一个代码单元,打印 CUDA 是否可用、GPU 名称和显存信息,并运行该单元。
GPU 切换结果说明,以及显示 CUDA 状态和设备信息的运行输出。
请检查当前 Colab 笔记本是否存在重复或失效标签页连接问题,重新获取单元列表,定位上次中断的训练单元,在其前面插入说明文本单元,然后从该单元继续运行后续流程。
连接恢复后的单元清单、插入的说明内容,以及续跑结果摘要。
通过 MCP 工具加载、编辑、搜索并保存 Jupyter 笔记本,便于高效处理代码与分析内容。