Here 描述了如何在 google-colaboratory 中使用 gpu：
只需在笔记本设置的加速器下拉菜单中选择“GPU”（通过编辑菜单或 cmd/ctrl-shift-P 的命令面板）。
但是，当我在笔记本设置中选择 gpu 时，我会弹出一个提示：
未能分配后端 没有可用的 GPU 后端。您想使用没有加速器的运行时吗？
当我跑步时：
import tensorflow as tf
device_name = tf.test.gpu_device_name()
if device_name != '/device:GPU:0':
raise SystemError('GPU device not found')
print('Found GPU at: {}'.format(device_name))
当然，我得到GPU device not found。似乎描述不完整。有什么想法需要做什么吗？
【问题讨论】：
您需要为笔记本配置 GPU 设备
点击编辑->笔记本设置->硬件加速器->GPU
【讨论】：
您需要稍后在 GPU 可用时重试。该消息表明所有可用的 GPU 都在使用中。
FAQ 提供更多信息：
我可以如何使用 GPU，为什么它们有时不可用？
Colaboratory 旨在用于交互式使用。长期运行的背景 可能会停止计算，尤其是在 GPU 上。请不要使用 加密货币挖掘实验室。不支持这样做，并且 可能导致服务不可用。我们鼓励希望的用户 通过 Colaboratory 的 UI 运行连续或长时间运行的计算 使用local runtime。
使用 GPU 进行持续训练似乎有一个冷却时间。因此，如果您遇到错误对话框，请稍后再试，或许可以尝试在后续课程中限制长期训练。
【讨论】：
我的声誉有点太低，无法发表评论，但这里有一些关于 @Bob Smith 的回复冷却时间的附加信息。
使用 GPU 进行持续训练似乎有一个冷却时间。因此，如果您遇到错误对话框，请稍后再试，或许可以尝试在后续课程中限制长期训练。
根据我自己最近的经验，我相信 Colab 最多会为您分配 12 小时的 GPU 使用时间，之后大约有 8 小时的冷却时间，您才能再次使用计算资源。就我而言，即使没有 GPU，我也无法连接到实例。我不完全确定下一点，但我认为如果您一次运行 3 个实例，那么您的 12 小时会以 3 倍的速度耗尽。我不知道 12 小时限制会在什么时间后重置，但我猜可能是一天。
无论如何，仍然缺少一些细节，但主要的收获是，如果您超出限制，您将被锁定 8 小时无法连接到实例（如果您正在积极工作，这将是一个巨大的痛苦在某事上）。
【讨论】：
Reset runtime 不起作用后，我做到了：
Runtime -> Reset all runtimes -> Yes
然后我很高兴：
Found GPU at: /device:GPU:0
【讨论】：
这是您问题的准确答案。 根据 Colab 的帖子：
总体使用限制、空闲超时时间、最大 VM 生命周期、可用的 GPU 类型和其他因素随时间而变化。
GPU 和 TPU 有时会优先考虑使用 Colab 的用户 交互式而不是用于长时间运行的计算，或用于用户 最近在 Colab 中使用较少资源的人。结果，用户 使用 Colab 进行长时间运行的计算，或最近使用 Colab 的用户 在 Colab 中使用了更多资源，更有可能遇到使用限制 并暂时限制他们对 GPU 和 TPU 的访问。用户 具有高计算需求的人可能对使用 Colab 的 UI 感兴趣 在自己的硬件上运行本地运行时。
【讨论】：
Google Colab默认有tensorflow 2.0，改成tensorflow 1。添加代码，
%tensorflow_version 1.x
在任何 keras 或 tensorflow 代码之前使用它。
【讨论】：