在 的 Notebook 界面中，打开界面中，打开主菜单 Runtime ，然后选择 Change runtime type，会弹出 Notebook settings 的窗口。选择里面的 Hardware accelerator 为 TPU 就可以了。

    为了确认 Colab Notebook 中的确分配了 TPU 资源，我们可以运行以下测试代码。如果输出 ERROR 信息，则表示目前的 Runetime 并没有分配到 TPU；如果输出 TPU 地址及设备列表，则表示 Colab 已经分配了 TPU。

    1. TPU address is grpc://10.49.237.2:8470
    2. TPU devices:
    3.  _DeviceAttributes(/job:tpu_worker/.../device:XLA_CPU:0, XLA_CPU, ...),
    4.  _DeviceAttributes(/job:tpu_worker/.../device:TPU:0, TPU, ...),
    5.  _DeviceAttributes(/job:tpu_worker/.../device:TPU:1, TPU, ...),
    6.  _DeviceAttributes(/job:tpu_worker/.../device:TPU:2, TPU, ...),
    7.  _DeviceAttributes(/job:tpu_worker/.../device:TPU:4, TPU, ...),
    8.  _DeviceAttributes(/job:tpu_worker/.../device:TPU:5, TPU, ...),
    9.  _DeviceAttributes(/job:tpu_worker/.../device:TPU:6, TPU, ...),
    10.  _DeviceAttributes(/job:tpu_worker/.../device:TPU:7, TPU, ...),

    看到以上信息（一个CPU worker，8个TPU workers），既可以确认 Colab 的 TPU 环境设置正常。

    Cloud TPU

    在 Google Cloud 上，我们可以购买所需的 TPU 资源，用来按需进行机器学习训练。为了使用 Cloud TPU ，需要在 Google Cloud Engine 中启动 VM 并为 VM 请求 Cloud TPU 资源。请求完成后，VM 就可以直接访问分配给它专属的 Cloud TPU了。

    > Source:

    在使用 Cloud TPU 时，为了免除繁琐的驱动安装，我们可以通过直接使用 Google Cloud 提供的 VM 操作系统镜像。