如何在Google Colab中使用GPU运行TensorFlow 1.15代码？

1. 搭建兼容的Python虚拟环境 #

TensorFlow 1.15仅支持Python 2.7、3.3-3.7版本，Colab默认的Python 3.10无法适配，所以先创建Python 3.7的虚拟环境：

# 更新系统包并安装Python3.7
!sudo apt-get update
!sudo apt-get install python3.7 python3.7-dev python3.7-venv -y
# 创建虚拟环境
!python3.7 -m venv tf1_env
# 激活环境并升级pip
!source tf1_env/bin/activate && pip install --upgrade pip

2. 安装匹配的GPU版TensorFlow及依赖 #

TensorFlow 1.15 GPU版依赖CUDA 10.0和cuDNN 7.6，Colab的GPU环境默认已预装对应版本，直接安装即可：

# 激活环境后安装TensorFlow 1.15 GPU版
!source tf1_env/bin/activate && pip install tensorflow-gpu==1.15.0
# 安装图像任务所需依赖（根据你的代码调整，示例为常用库）
!source tf1_env/bin/activate && pip install opencv-python pillow numpy==1.18.5

3. 切换Notebook内核以使用虚拟环境 #

为了在Colab Notebook中直接运行代码，将虚拟环境添加为Notebook内核：

!source tf1_env/bin/activate && pip install ipykernel
!source tf1_env/bin/activate && python -m ipykernel install --user --name=tf1_env

执行完后，点击Colab顶部菜单「Runtime」→「Change runtime type」，在弹出的窗口中选择「tf1_env」作为内核，再点击「Save」，重启Runtime后即可在Notebook中直接运行你的图像转图像代码。

4. 验证GPU可用性 #

运行以下代码确认TensorFlow 1.15已成功识别GPU：

import tensorflow as tf
print(f"TensorFlow版本: {tf.__version__}")
print(f"GPU是否可用: {tf.test.is_gpu_available()}")
print(f"检测到的GPU设备: {tf.config.list_physical_devices('GPU')}")

关键注意事项 #

• 放弃Python 2.7：Colab的现代GPU驱动对Python 2.7的支持不完善，这是你之前无法检测到GPU的核心原因，改用Python 3.7可避免该问题。
• 严格匹配依赖版本：numpy需限制在1.18.5及以下，过高版本会与TensorFlow 1.15产生兼容性冲突。

内容的提问来源于stack exchange，提问作者Naser.Sadeghi