使用Google Colab时出现GPU设备未找到报错的求助

步骤1：验证GPU是否实际分配到运行时 #

运行以下代码查看GPU分配状态：

!nvidia-smi

如果输出无具体GPU型号信息，说明当前Colab免费GPU资源已耗尽，可等待1-2小时后重试，或升级Colab Pro获取优先资源配额。

步骤2：修复运行时配置混乱 #

• 不要频繁切换硬件加速类型，每一次切换硬件加速后必须重启运行时才能生效，频繁切换会导致运行时配置冲突
• 直接点击顶部菜单栏「运行时」→「重置所有运行时」，清除所有缓存的配置和数据，重置完成后直接将硬件加速设置为GPU，不要中途切换其他类型，再运行代码测试

步骤3：修复框架依赖适配问题 #

如果是运行深度学习代码报错，大概率是自行安装的框架版本和Colab预装的CUDA版本不匹配：

• PyTorch环境运行以下命令安装适配版本：

!pip uninstall -y torch torchvision torchaudio
!pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

• TensorFlow环境直接卸载自行安装的TensorFlow版本，使用Colab预装版本即可。

显存不足类报错额外处理 #

如果报错为显存不足，可调整训练参数减小batch size，同时运行以下代码释放闲置显存：

import gc
gc.collect()
# PyTorch环境执行
import torch
torch.cuda.empty_cache()
# TensorFlow环境执行
import tensorflow as tf
tf.keras.backend.clear_session()

内容的提问来源于stack exchange，提问作者Ongaz