Google Colab GPU不可用问题咨询（tensorflow及keras tf-models相关报错）

• 先检查Colab运行时硬件配置：点击顶部菜单栏「修改」→「笔记本设置」→「硬件加速器」选择「GPU」，保存后等待实例重启，再运行代码测试。
• 确认Colab Pro账户GPU配额未耗尽：若当日GPU使用时长达到平台上限，会自动分配CPU实例，仅能等待配额恢复后再使用GPU。
• 重置实例清除错误依赖：你自行安装/升级依赖包的操作会覆盖Colab默认适配好的TensorFlow核心库，导致其和实例内置的CUDA、cuDNN版本不匹配，无法识别GPU。点击顶部「代码执行程序」→「恢复出厂设置运行时」重置实例，不要手动重装tensorflow、tensorflow_hub、keras等预装库，直接运行原有代码测试。
• 若必须安装tf-models-official等扩展包，执行以下命令避免修改核心依赖：

!pip install --upgrade-strategy only-if-needed tensorflow_hub keras tf-models-official pydot graphviz

该命令仅安装缺失的依赖项，不会升级已适配好的h5py、pyyaml等核心库，可避免版本冲突。

• 若以上操作仍无效，运行!nvidia-smi查看当前实例的CUDA版本，确认你使用的TensorFlow版本和CUDA版本匹配：TensorFlow 2.5对应CUDA 11.2，若Colab默认CUDA版本已更新，直接使用Colab预装的更高版本TensorFlow即可，不要强制安装旧版2.5.0。

内容的提问来源于stack exchange，提问作者mr.nic123