这里描述了如何将 gpu 与 google-colaboratory 一起使用：
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：
分配后端失败 没有可用 GPU 的后端。您想使用没有加速器的运行时吗？
当我运行时：
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，我明白了GPU device not found。似乎描述不完整。任何想法需要做什么？
您需要使用 GPU 设备配置 Notebook
点击编辑->笔记本设置->硬件加速器->GPU
当 GPU 可用时，您需要稍后重试。该消息表明所有可用的 GPU 都在使用中。
常见问题解答提供了更多信息：
我如何使用 GPU，为什么它们有时不可用？
Colaboratory 旨在用于交互式使用。长时间运行的后台计算，特别是在 GPU 上，可能会停止。请不要使用 Colaboratory 进行加密货币挖掘。这样做是不受支持的，并且可能导致服务不可用。我们鼓励希望通过 Colaboratory 的 UI 运行连续或长时间运行的计算的用户使用本地运行时。
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，并可能尝试在后续课程中限制长期培训。
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，并可能尝试在后续课程中限制长期培训。
根据我自己最近的经验，我相信 Colab 最多会给你分配 12 小时的 GPU 使用时间，之后大约有 8 小时的冷却时间，你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。我不完全确定接下来的一点，但我认为如果你一次运行 3 个实例，你的 12 小时会以 3 倍的速度耗尽。我不知道 12 小时限制在什么时间后重置，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） .
添加一些图片以使其更清晰
Reset runtime没有工作后，我做了：
Runtime-> Reset all runtimes->Yes
然后我很高兴：
Found GPU at: /device:GPU:0
这是您问题的确切答案。根据 Colab 的帖子：
总体使用限制以及空闲超时期限、最大 VM 生命周期、可用的 GPU 类型和其他因素会随时间而变化。
GPU 和 TPU 有时会优先考虑以交互方式使用 Colab 而不是长时间运行的计算的用户，或者是最近在 Colab 中使用较少资源的用户。因此，使用 Colab 进行长时间运行计算的用户，或者最近在 Colab 中使用了更多资源的用户，更有可能遇到使用限制，并暂时限制他们对 GPU 和 TPU 的访问。具有高计算需求的用户可能会对使用 Colab 的 UI 和在他们自己的硬件上运行的本地运行时感兴趣。
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。