请教：有人成功在Google Colab中为LightGBM安装GPU支持吗？

我自己在Google Colab里多次给LightGBM配置过GPU支持，也看到很多社区用户分享了成功案例，下面是亲测有效的完整流程：

第一步：确保Colab已启用GPU #

Colab默认是CPU环境，先切换到GPU：

• 点击顶部菜单栏的「修改」→「笔记本设置」
• 在「硬件加速器」下拉菜单中选择「GPU」，然后点击「保存」
• 等待笔记本重启，重启后可以用!nvidia-smi命令确认GPU是否正常运行

第二步：卸载冲突的CPU版LightGBM #

如果之前安装过默认的CPU版本，先卸载避免冲突：

!pip uninstall lightgbm -y

第三步：安装GPU版LightGBM #

这里有两种可靠的方法，选一种就行：

方法1：用pip直接安装（最简单） #

执行这条命令，pip会自动安装带GPU支持的LightGBM：

!pip install lightgbm --install-option=--gpu

如果遇到版本兼容问题，可以指定一个稳定版本，比如：

!pip install lightgbm==3.3.5 --install-option=--gpu

方法2：从源码编译（适合pip安装失败的情况） #

如果pip安装报错，试试源码编译，兼容性更好：

1. 先安装编译依赖：

!apt-get install -y --no-install-recommends gcc g++ cmake libboost-dev libboost-system-dev libboost-filesystem-dev

2. 克隆LightGBM仓库：

!git clone --recursive https://github.com/microsoft/LightGBM

3. 进入目录并编译GPU版本：

%cd LightGBM
!mkdir build && cd build
!cmake -DUSE_GPU=1 ..
!make -j$(nproc)

4. 安装Python包：

%cd ../python-package
!pip install .

第四步：验证GPU支持是否生效 #

运行这段代码检查：

import lightgbm as lgb

# 打印LightGBM版本
print(f"LightGBM版本: {lgb.__version__}")
# 检查GPU设备数量
print(f"可用GPU数量: {lgb.gpu_device_count()}")
# 简单测试GPU训练
from sklearn.datasets import make_classification
X, y = make_classification(n_samples=10000, n_features=20)
train_data = lgb.Dataset(X, label=y)
params = {
    'objective': 'binary',
    'metric': 'auc',
    'device': 'gpu',
    'gpu_platform_id': 0,
    'gpu_device_id': 0
}
model = lgb.train(params, train_data, num_boost_round=10)
print("GPU训练测试成功！")

如果没有报错，且输出了GPU数量，就说明安装成功了。

一些常见问题提示 #

• 如果编译时出现CUDA相关错误，先确认!nvidia-smi能正常输出，不行就重启笔记本重新分配GPU实例
• 偶尔会遇到Colab的CUDA版本和LightGBM不匹配，这时候试试指定旧版本的LightGBM（比如3.3.5）

内容的提问来源于stack exchange，提问作者Propanon