连接Google Colab本地运行时使用其GPU是否需要本地安装tensorflow-gpu？

1. 是否需要在本地安装tensorflow-gpu？ #

不需要，核心逻辑如下：

• 你需求的本质是调用Google Colab的云端GPU资源跑代码，这种场景下代码的所有计算过程都在Google分配的云端服务器上完成，和你本地电脑安装的TensorFlow版本、硬件配置没有任何关系，你本地只需要通过浏览器访问Colab界面即可。
• 你当前运行速度没有提升，大概率是两个原因导致的：
  • 你搞混了Colab运行时的逻辑：「连接本地运行时」功能是让Colab界面调用你本地电脑的硬件资源跑代码，根本用不上Colab的云端GPU，你应该切换为默认的云端运行时模式
  • 云端运行时没有开启GPU配置：打开Colab顶部菜单栏「修改」-「笔记本设置」，将硬件加速器选项调整为「GPU」后保存，等待运行时重启即可，云端环境会自带适配完成的GPU版本TensorFlow，无需你手动安装。
• 数据集过大不需要上传到Google Drive也可以使用云端运行时：你可以通过Colab左侧边栏的「文件」工具直接读取本地硬盘的文件，或者运行from google.colab import files; files.upload()代码加载本地文件，不会占用你的Google Drive存储空间。

你可以运行以下代码验证当前运行时是否成功调用GPU：

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

如果输出结果包含GPU设备信息，说明配置生效，反之则需要重新调整运行时配置。

2. 安装的tensorflow-gpu版本是否需要和现有tensorflow版本保持一致？ #

不需要，如果你后续有其他场景需要在本地安装GPU版本TensorFlow，只需要保证版本和你本地的CUDA、cuDNN版本匹配即可，不需要和之前安装的CPU版TensorFlow保持一致。更建议你在安装GPU版前完全卸载旧的CPU版TensorFlow，避免出现包冲突问题。

内容的提问来源于stack exchange，提问作者Elis