You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.08.10 14:35:16