Ray Rllib在Google Colab内存已分配但无运行结果如何解决

核心原因 #

你遇到的pending状态是Colab免费实例的资源限制和RLlib默认资源调度配置不匹配导致的，RLlib会默认预留超出Colab免费配额的CPU/内存资源，导致调度器一直等待可用资源，任务无法启动。

修复步骤 #

• 调整Ray初始化参数，显式指定可用CPU数量（Colab免费实例通常只有2个可用CPU核心）

# 替换原有ray.init代码
info = ray.init(ignore_reinit_error=True, num_cpus=2, include_dashboard=False)

• 在训练config中补充资源限制参数，避免RLlib多worker占用过多资源

tune.run(PPOTrainer, 
        config={
            "env": "CartPole-v1",
            "num_workers": 1, # 仅启动1个采样worker
            "num_gpus": 0, # 未启用Colab GPU时设为0，启用后可设为0.1
            "num_envs_per_worker": 1
        },
        stop={"training_iteration": 20},
        local_dir = "/content/ppo",
        checkpoint_at_end=True,
        verbose=2
        )

• 版本兼容性修复，若调整配置后仍无法启动，安装和教程匹配的Ray版本，避免新版API变更导致隐性报错

!pip uninstall -y ray
!pip install ray[default,rllib]==2.2.0

• 若需要排查具体原因，将verbose参数改为3，可输出完整的资源调度日志，确认是资源等待还是代码运行错误。

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