能否在Google Colab安装CuPy？Chainer GPU运行时CuPy安装失败求助

当然可以在Google Colab上安装CuPy！你遇到的「找不到CUDA环境」报错，主要是因为直接安装通用版cupy会触发源码编译，且老版本的CuPy和Colab当前的CUDA版本不匹配导致的。下面是一步步的解决方法：

1. 先确认Colab已启用GPU #

Colab默认是CPU运行时，必须先切换到GPU环境：

• 点击顶部菜单栏的「Runtime」→「Change runtime type」
• 在「Hardware accelerator」下拉菜单中选择「GPU」，然后点击「Save」

2. 查看当前Colab的CUDA版本 #

运行以下命令查看Colab虚拟机的CUDA版本：

!nvcc --version

输出里会显示类似 release 11.8 这样的版本号，记下来主版本号（比如11）。

3. 安装对应CUDA版本的预编译CuPy包 #

CuPy提供了针对不同CUDA版本的预编译包，直接安装这些包可以避免源码编译的问题：

• 如果CUDA主版本是11，运行：

  !pip install cupy-cuda11x
  

• 如果CUDA主版本是12，运行：

  !pip install cupy-cuda12x
  

4. 验证安装是否成功 #

运行以下代码测试CuPy是否正常工作：

import cupy as cp
# 打印CuPy版本
print(f"CuPy版本：{cp.__version__}")
# 测试GPU数组运算
gpu_array = cp.array([1, 2, 3, 4])
print(f"GPU数组：{gpu_array}")
print(f"GPU数组平方运算结果：{cp.square(gpu_array)}")

为什么之前安装失败？ #

你尝试安装的cupy-2.4.0是非常老旧的版本，不仅不兼容Colab当前的CUDA版本，而且直接安装通用版cupy会触发源码编译，而Colab的默认环境缺少编译CuPy所需的部分依赖，所以才会出现找不到CUDA环境的错误。使用对应CUDA版本的预编译包就能完美解决这个问题。

内容的提问来源于stack exchange，提问作者jusjosgra