如何在Google Colab Pro上安装并使用TensorFlow 1.14.0(GPU/TPU)
在Google Colab Pro GPU环境安装TensorFlow 1.14.0的可行方案
核心原因说明
Colab当前默认使用Python 3.8+环境,而TensorFlow 1.14.0仅支持Python 3.7及以下版本;同时TF1.14.0要求CUDA 10.0(而非你之前尝试的9.0),版本不匹配会导致安装失败或GPU无法调用。以下是完整的分步解决方案:
步骤1:切换到Python 3.7环境
执行以下命令安装并设置Python 3.7为默认版本:
# 更新系统包 !sudo apt-get update -y # 安装Python3.7及相关依赖 !sudo apt-get install python3.7 python3.7-dev python3.7-distutils -y # 设置Python3.7为默认选项 !sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.7 1 # 选择Python3.7为默认(执行后输入1并回车) !sudo update-alternatives --config python3 # 安装对应版本的pip !curl https://bootstrap.pypa.io/get-pip.py | python3.7
步骤2:安装TensorFlow 1.14.0 GPU版本
卸载现有TensorFlow后,安装适配Python3.7的TF1.14.0:
# 卸载现有TensorFlow !pip uninstall -y tensorflow # 安装TF1.14.0 GPU版本 !pip install tensorflow-gpu==1.14.0
步骤3:安装适配的CUDA 10.0和cuDNN 7.4
TF1.14.0依赖CUDA 10.0与cuDNN 7.4,执行以下命令安装:
# 安装CUDA 10.0 !wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb !dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb !apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub !apt-get update !apt-get install -y cuda=10.0.130-1 # 安装cuDNN 7.4 !wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.4.2.24/prod/10.0_20181213/cudnn-10.0-linux-x64-v7.4.2.24.tgz !tar -xzf cudnn-10.0-linux-x64-v7.4.2.24.tgz !sudo cp cuda/include/cudnn*.h /usr/local/cuda/include !sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 !sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
步骤4:配置环境变量并验证安装
import os # 设置CUDA环境变量 os.environ['LD_LIBRARY_PATH'] = '/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64' os.environ['CUDA_HOME'] = '/usr/local/cuda' # 验证安装 import tensorflow as tf print("TensorFlow版本:", tf.__version__) print("GPU是否可用:", tf.test.is_gpu_available())
TPU环境说明
目前Colab的TPU节点已不再官方支持TensorFlow 1.x版本,强行适配的成功率极低。如果必须使用TPU,建议考虑将spamGAN代码迁移至TensorFlow 2.x(使用tf.compat.v1兼容模式),或使用支持TF1.x的其他云平台。
内容的提问来源于stack exchange,提问作者Atefeh Rashidi
相关产品推荐
相关产品推荐

