Google Colab安装TensorFlow 1.0后GPU无法识别的问题咨询

这问题我之前在Colab折腾TensorFlow旧版本时碰到过，核心原因是TensorFlow 1.0和Colab当前默认的CUDA/CuDNN环境不兼容，导致GPU无法被识别。

具体原因 #

Colab预装的TensorFlow 1.8.0是适配了当时环境中的CUDA、CuDNN版本的（比如当时可能用的是CUDA 9.x），而TensorFlow 1.0对CUDA的要求是CUDA 8.0，但现在Colab的GPU环境默认已经升级到更高版本（比如CUDA 11.x），旧版本TF根本没法和新CUDA环境交互，自然检测不到GPU。直接用!pip install tensorflow==1.0替换预装版本时，会破坏原有TF与系统GPU库的绑定关系，重启后就出现了GPU识别失败的问题。

可行的解决办法 #

1. 调整代码适配现有TF 1.8版本（优先推荐）

TensorFlow 1.x系列的API兼容性很强，除非你的代码用到了TF1.0独有的、后续版本被彻底移除的特性，否则大部分TF1.0的代码都能在TF1.8上正常运行。建议先排查代码里的关键逻辑：

• 基础用法比如tf.Session()，TF1.8完全兼容；
• 如果遇到已废弃的API，可以用tf.compat.v1前缀替代（比如tf.compat.v1.Session()）；
• 实在有差异的部分，查TF1.8的官方文档做小调整即可。

这种方式不用更换TF版本，直接用Colab预装的带GPU支持的环境，最省心。

2. 搭建适配TF1.0的conda环境（仅当代码必须用TF1.0时）

如果代码完全无法兼容TF1.8，只能用TF1.0，可以通过conda在Colab里搭建独立的兼容环境：

• 第一步，安装并配置conda：

  !pip install -q condacolab
  import condacolab
  condacolab.install()
  

  运行后会自动重启Colab运行时，重启后确认conda已安装。
• 第二步，创建并激活TF1.0的GPU环境：

  !conda create -y -n tf10_env python=3.6 tensorflow-gpu==1.0
  

• 第三步，在该环境下运行你的代码：
  可以通过!conda activate tf10_env && python your_script.py的方式执行，或者在代码单元格里指定环境运行。

内容的提问来源于stack exchange，提问作者Harkirat Singh