我的旧款 MacBook Air 无法胜任——于是我使用 Google Colab 训练人工智能模型 #1

2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家 

简介

我最近启动了一款曾经钟爱的离线卡牌游戏，却再也无法通关最高难度了。

我以前是能打赢的。

这种挫败感激发了一个想法：如果我训练一个人工智能来帮我找出通关方法会怎样？开始时我有三个限制条件：

• 它必须能在离线状态下工作
• 我想借此机会尝试强化学习
• 它必须足够轻量，以便在一台使用了八年的 MacBook Air 上运行

经过大量的试错，我最终决定用 Rust 构建一个自定义引擎，并在 Google Colab 上运行训练。本文重点介绍该设置中 Google Colab 端 的部分。

什么是 Google Colab？

Google Colab 是谷歌提供的一个免费 Python 执行环境（本文假设使用免费层级）。你只需要一个浏览器，无需安装任何软件。

它对本项目有用的原因如下：

• 免费提供图形处理器/中央处理器访问权限
• 与 Google Drive 集成
• 无论本地硬件配置如何，都能运行繁重的工作负载

那些在旧款 MacBook Air 上运行会很痛苦的训练任务，一旦迁移到 Colab 上，就运行得非常流畅。

⚠️ 注意：在免费层级下，会话会在一段时间不活动后或最长达到 12 小时后断开连接，并且运行时数据会被重置。

我所做的工作

目标是利用强化学习训练一个人工智能来玩一款离线的卡组构建类卡牌游戏。

整体流程如下：

1. 将游戏规则和卡牌效果转化为语言描述
2. 将其转换为人工智能可以处理的数值数据
3. 用 Rust 构建一个自定义训练引擎
4. 将训练数据上传至 Google Drive
5. 在 Colab 中挂载 Google Drive 并运行程序

步骤 1 至 3 均属于 Rust 端的内容——我将在后续文章中详细介绍。本文重点介绍步骤 4 和 5。

在 Colab 中挂载 Google Drive

在 Colab 单元格中运行以下代码：

from google.colab import drive
drive.mount('/content/drive')

你会看到一个提示，要求授权访问 Google Drive。点击“连接到 Google Drive”，选择你的账户，并允许访问。完成后，左侧边栏中会出现一个 drive/MyDrive 文件夹。

挂载后，你的云端硬盘可通过以下路径访问：

/content/drive/MyDrive/

💡 你也可以在不编写任何代码的情况下挂载云端硬盘——只需点击左侧边栏中的文件夹图标，然后点击“挂载云端硬盘”按钮。它会自动插入代码。

⚠️ 如果 Google Drive 的缓存过时，你对云端硬盘的更新可能不会反映在 Colab 中。如果发生这种情况，请强制重新挂载：

drive.flush_and_unmount()
drive.mount('/content/drive', force_remount=True)