Google Colab连接本地运行时无法检测本地GPU的问题咨询

• 注意：Colab界面上选择的Hardware accelerator配置仅对云端运行时生效，本地运行时的GPU调用完全依赖本地环境的依赖配置，按照以下步骤逐一排查：

步骤1：验证本地NVIDIA驱动有效性 #

打开本地终端（Windows使用cmd/PowerShell，Linux/macOS使用系统终端），运行命令：
nvidia-smi
正常输出会包含940M显卡信息、驱动版本、支持的最高CUDA版本。如果运行报错，直接去NVIDIA官网下载对应940M、适配你操作系统的最新官方驱动，安装完成后重启设备再重试。

步骤2：安装匹配的CUDA与cuDNN #

• GeForce 940M为麦克斯韦架构，最高支持CUDA 11.x版本，不推荐安装CUDA 12及以上版本避免兼容性问题，优先选择CUDA 11.7/11.8版本
• 下载对应CUDA版本的cuDNN，解压后将对应文件复制到CUDA安装目录的同名文件夹下，同时将CUDA的bin、libnvvp目录添加到系统环境变量PATH中
• 配置完成后重启终端，运行命令nvcc -V，可以正常输出版本信息即为配置成功

步骤3：安装匹配CUDA版本的PyTorch #

• 本地用于启动Colab运行时的Python环境，必须安装对应CUDA版本的PyTorch，不能使用CPU版本的PyTorch
• 安装完成后先在本地终端直接启动Python，运行测试代码：

import torch
print(torch.cuda.is_available())

如果本地直接运行返回False，说明PyTorch和CUDA版本不匹配，卸载现有PyTorch重新安装适配版本即可

步骤4：重新连接Colab本地运行时 #

本地环境测试通过后，断开现有Colab本地连接，重新建立连接后再运行GPU检测代码即可正常返回True。

内容的提问来源于stack exchange，提问作者Medha Chippa