Terminale con comandi Python e GPU Colab CLI

Google Colab CLI: esegui Python su GPU e TPU remote senza lasciare il terminale

DiFabrizio Martini

Google ha rilasciato Colab CLI, un’interfaccia a riga di comando che collega il terminale locale ai runtime remoti di Colab. Il tool, open source sotto licenza Apache 2.0, permette di creare sessioni, eseguire codice Python e gestire file su GPU e TPU cloud senza mai aprire il notebook nel browser.

L’installazione richiede un solo comando uv tool install dal repository GitHub:

uv tool install git+https://github.com/googlecolab/google-colab-cli

Come funzionano i comandi

Il CLI raggruppa le operazioni in sessioni, esecuzione, file e automation. Il flusso base è cortissimo: crei un runtime, esegui uno script e recuperi i risultati.

colab new crea una sessione (CPU di default). Per GPU aggiungi i flag --gpu T4, --gpu L4, --gpu A100 o --gpu H100. Le opzioni TPU sono v5e1 e v6e1.

colab exec esegue Python da stdin, da file .py o da notebook. LEGGE i file locali e li invia al runtime, quindi non serve caricare nulla a mano.

colab stop termina la sessione e rilascia la VM.

Altri comandi coprono file e autenticazione: colab upload e colab download spostano file tra locale e remoto, colab drivemount monta Google Drive, colab auth autentica la VM per i servizi Google Cloud.

colab log esporta la cronologia della sessione in formato .ipynb, .md, .txt o .jsonl. In pratica un run remoto diventa un notebook riutilizzabile sul disco locale. colab repl e colab console danno accesso interattivo alla VM. colab install installa pacchetti con uv, con fallback su pip.

I metadati delle sessioni vengono salvati in ~/.config/colab-cli/sessions.json.

Esempio: fine-tuning remoto di Gemma 3 1B

Google ha mostrato un esempio concreto: un agente AI esegue il fine-tuning del modello google/gemma-3-1b-it usando QLoRA su un dataset Text-to-SQL. Con cinque comandi l’agente Antigravity completa l’intero flusso:

colab new --gpu T4
colab install transformers datasets peft trl bitsandbytes accelerate
colab exec -f finetune_run.py
colab log --output gemma_finetune_log.ipynb
colab stop

L’agente scarica poi modello adattato, configurazione e tokenizer. Il risultato si carica e serve in locale. L’utente non ha digitato un solo comando di provisioning manuale.

A cosa serve Colab CLI

  • Spostare training pesanti dal laptop a GPU/TPU remote senza lasciare il terminale
  • Far eseguire pipeline ML complete ad agenti come Claude Code, Codex o Antigravity
  • Fare fine-tuning di modelli piccoli (es. Gemma 3 1B) con QLoRA in remoto
  • Scriptare esecuzioni di notebook ed esportare log riproducibili in formato .ipynb
  • Fare debug interattivo sulla VM con colab repl o colab console

Colab CLI vs notebook nel browser

Il CLI non sostituisce l’interfaccia web di Colab. Si rivolge a lavoro scriptato, automatico e guidato da agenti. La differenza principale è nell’interazione: il browser offre un notebook visivo con menu per selezionare l’acceleratore e pastare codice, mentre la CLI si controlla con flag --gpu/--tpu, esegue file locali con colab exec -f e recupera artefatti con colab download e colab log. L’agente skill file COLAB_SKILL.md è incluso nel pacchetto, così qualsiasi agente con accesso al terminale può usare lo strumento senza configurazioni extra.

Punti di forza e limiti

Pregi: flusso nativo da terminale, adatto a script e CI; un comando per GPU T4, L4, A100 o H100; colab exec spedisce il contenuto dei file locali senza upload manuale; log esportabili in formato notebook riproducibile; open source Apache 2.0 con skill file per agenti; funziona con più agenti, non solo quelli di un singolo vendor.

Da sapere: l’accesso richiede autenticazione (default OAuth2); colab repl e colab console hanno bisogno di un TTY per l’uso interattivo; per usarli in script serve pipe su stdin; il calcolo rimane sui backend di Colab con i suoi limiti di runtime.

Articoli simili