如何在本地复刻纯净的Google Colab运行环境？

方案1：使用Colab官方Docker镜像（推荐） #

该方法适配性最高，几乎可以100%还原Colab的运行环境，完全规避手动配置的依赖冲突问题

• 前置依赖：本地环境提前安装好Docker，需要GPU支持的话额外安装NVIDIA Container Toolkit
• 拉取官方镜像：
  GPU版命令：docker pull gcr.io/colab-docker/colab-gpu:latest
  CPU版命令：docker pull gcr.io/colab-docker/colab-cpu:latest
• 启动容器：参考命令如下，可根据需要修改端口映射、本地目录挂载规则
  docker run --gpus all -p 8888:8888 -v /本地/工作目录路径:/content gcr.io/colab-docker/colab-gpu:latest
• 启动完成后在浏览器访问localhost:8888即可得到和Colab完全一致的Jupyter运行环境，预装的Python包、CUDA/cuDNN版本、系统配置均和官方Colab同步。

方案2：手动同步环境配置 #

如果不想使用容器化方案，可以手动导出Colab的环境配置到本地部署：

• 在Colab Notebook中执行以下命令导出环境信息：
  导出Python依赖：pip freeze > requirements.txt
  导出CUDA/cuDNN版本：分别执行nvcc --version和cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2记录版本号
  导出系统预装包：dpkg --get-selections > packages.list
• 本地先安装对应版本的NVIDIA驱动、CUDA、cuDNN，再导入系统依赖包，最后执行pip install -r requirements.txt安装Python依赖即可。该方案容易出现系统版本兼容问题，适合有一定Linux环境配置经验的用户使用。

除了云端部署的属性外，两者还有以下核心差异：

• 资源规则差异：Colab的CPU、内存、GPU资源为动态分配，有空闲回收、连续运行时长限制，高负载场景下可能被系统强制回收资源；本地环境资源完全自主可控，无运行时长限制，不会出现资源抢占问题。
• 专属组件差异：Colab默认预装google.colab等谷歌专属工具模块，支持直接挂载Google Drive、调用Colab专属API，这类依赖谷歌生态的组件无法在本地完全复刻，对应代码需要调整后才能在本地运行。
• 权限差异：Colab运行环境默认授予root权限，可直接安装任意系统级依赖；本地如果用非root用户运行环境，安装系统依赖需要sudo权限，部分目录读写也会有权限限制。
• 网络差异：Colab默认网络可直接访问谷歌服务，本地网络规则完全由你自己的网络环境决定，需要访问境外服务的话要自行配置代理。
• 版本迭代差异：Colab官方会不定期自动更新环境的依赖包、CUDA版本，同一代码两次运行可能面临环境变更的问题；本地复刻的环境可以固定版本，不会自动更新，稳定性更强。

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