Google Colab中Python3.8环境无法调用GPU问题求助

问题原因 #

• Colab默认环境的CUDA、cuDNN等GPU加速依赖是和预装Python版本绑定配置的，手动安装的Python3.8并未自动关联这些依赖的系统路径。
• 直接通过pip install tensorflow安装的版本，可能与Colab当前的CUDA版本不匹配，导致TensorFlow无法加载GPU驱动。

解决步骤 #

1. 确认Colab的CUDA版本 #

先查看当前环境的CUDA版本，运行以下命令：

!nvcc --version

Colab当前默认CUDA版本多为11.8，对应需安装TensorFlow 2.13.x及以上版本（需保持版本匹配）。

2. 安装匹配版本的TensorFlow #

针对Python3.8安装对应版本的TensorFlow，例如CUDA 11.8对应TensorFlow 2.13.0：

!python3.8 -m pip install tensorflow==2.13.0

3. 配置环境变量关联CUDA路径 #

将Colab的CUDA和cuDNN路径加入环境变量，让Python3.8能识别到GPU依赖：

!echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
!echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
!source ~/.bashrc

验证环境变量是否生效：

!python3.8 -c "import os; print(os.environ.get('LD_LIBRARY_PATH'))"

4. 验证GPU识别 #

重新运行测试命令，确认GPU被识别：

!python3.8 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

注意事项 #

Colab的会话是临时的，每次重启笔记本后都需要重新执行上述配置步骤。

内容的提问来源于stack exchange，提问作者Harin Khakhi