谷歌Colab训练模型报错No CUDA GPUs are available如何解决

错误根因 #

你提供的训练代码中设备选择逻辑存在硬编码问题：前3行代码已经实现了自动检测CUDA资源、不存在就回退到CPU运行的兼容逻辑，但最后一行device = torch.device("cuda")直接强制指定设备为CUDA，覆盖了前面的兼容逻辑，当Colab未分配GPU时就会触发该报错。

方案一：修改代码兼容CPU运行（无需CUDA资源） #

删除硬编码指定CUDA的代码行，启用自动兼容逻辑即可，修改后设备选择部分代码如下：

def train_model(model, train_loader, val_loader, epoch, loss_function, optimizer, path, early_stop):
    # 设备选择：自动检测CUDA，不存在则用CPU
    device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
    # 注释或删除下方两行硬编码CUDA的代码
    #device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
    #device = torch.device("cuda")
    model = model.to(device)
    # 剩余训练逻辑保持不变

修改后代码会自动适配当前环境的硬件资源，不需要调整其他训练代码即可直接运行。

提示：CPU训练速度远低于GPU，若模型规模大、数据集体量高，训练耗时会明显增长。

方案二：给Colab分配GPU资源（推荐，无需修改代码） #

如果希望用CUDA加速训练，可以手动调整Colab运行时配置：

• 点击Colab顶部菜单栏「修改」→「笔记本设置」
• 在弹出窗口的「硬件加速器」选项中选择「GPU」，点击保存
• 等待运行时重启完成后再执行代码，即可正常调用CUDA资源

补充：代码附带的其他逻辑错误 #

当前验证环节存在两处笔误，会导致输出的验证指标异常：

1. 验证AUC计算误用了训练集的标签和预测结果，正确写法为：

val_auc = roc_auc_score(np.array(val_true), np.array(val_y_pred))

2. 验证结果打印语句存在格式错误和字段错误，正确写法为：

print("Epoch %d val loss is %.3f and val auc is %.3f" % (i+1, total_eval_loss / count_eval, val_auc))

内容的提问来源于stack exchange，提问作者kams