技术问询：Keras用Theano后端时Google Colab是否未启用GPU？

我之前在Colab里折腾Theano后端的时候也碰到过一模一样的情况——TensorFlow后端跑每个epoch只要4分钟，切到Theano直接7小时起步，当时差点以为自己代码写错了，后来才发现是Theano压根没用到GPU。

先确认问题根源：Theano是否真的在跑CPU #

先跑一段简单的代码验证一下：

import theano
print("Theano device:", theano.config.device)
print("FloatX setting:", theano.config.floatX)

如果输出是cpu，那实锤了——Theano完全没启用GPU加速，这就是速度慢的核心原因。

为什么TensorFlow不用配置就能跑GPU？ #

Colab默认给TensorFlow集成了全套的CUDA、cuDNN环境，而且启动时会自动检测GPU并启用，几乎是零配置就能用。但Theano不一样，它需要手动指定GPU设备和相关参数，不然就默认用CPU跑。

一步步配置Theano启用GPU加速 #

1. 先确认Colab已经分配到GPU
   点击顶部菜单栏的Runtime -> Change runtime type，确保Hardware accelerator选的是GPU，保存后重启运行时。

2. 配置Theano的GPU参数
   有两种方式，选一种就行：

   • 临时配置（只对当前会话有效）：在代码最开头加上这两行：

     import theano
     theano.config.device = 'gpu'
     theano.config.floatX = 'float32'
     

   • 永久配置（重启会话也生效）：创建Theano的配置文件.theanorc，在Colab里执行以下命令：

     !echo -e "[global]\ndevice = gpu\nfloatX = float32\n[cuda]\nroot = /usr/local/cuda" > ~/.theanorc
     

     这个配置文件告诉Theano使用GPU，并且指定CUDA的安装路径（Colab里CUDA默认在/usr/local/cuda）。

3. 更新Theano到最新稳定版
   Colab自带的Theano版本可能比较旧，对新GPU的支持不好，建议更新一下：

   !pip install --upgrade theano
   

验证配置是否生效 #

重新运行之前的检测代码，如果输出变成gpu和float32，说明配置成功了，再跑你的训练代码试试，速度应该会和TensorFlow后端差不多了。

补充：你之前的配置遗漏了什么？ #

你只修改了Keras的keras.json切换后端为Theano，但Keras只是调用Theano来执行计算，Theano本身的GPU参数没配置的话，Keras也只能跟着用CPU跑，这就是为什么速度差这么多。

内容的提问来源于stack exchange，提问作者Sekar S