一、问题

二、解决方法

查看 NVIDIA_CUDA 版本，这里有有个坑：!nvidia-smi方法查看版本为11.2，而 !nvcc --version 方法查看版本为11.1。

!nvidia-smi

!nvcc --version

安装 11.1 版本的会报错：

!pip install mxnet-cu111

而安装 11.2 版本，报错如下：

!pip install mxnet-cu112

!find /usr/ -name "libnvrtc*"

发现根本没有libnvrtc.so.11.2，难怪报错！网上查阅了很多提问和别人的记录，发现也不怎么管用啊，那些文章链接贴在文末了。

# 卸载mxnet-cu112
!pip uninstall mxnet-cu112
# 安装mxnet-cu110
!pip install mxnet-cu110

成功解决了报错！如上图所示。接下来安装上 GluonTS 时间序列预测库，来测试一波。

!pip install -U pydantic
!pip install gluonts

运行有时候会报如下错误，在 StackOverflow 找到了解决方法。

Colab有时会为您的实例提供K80 GPU，有时提供T4 GPU，有时可能还会提供其他GPU。torch/mxnet/TF的最新版本将在 T4 GPU 上运行。它们不能在 K80 上运行，因为他们已经放弃了对旧 K80 GPU（计算能力3.7）的支持。您可以尝试重新启动 Colab 实例，看看是否得到了 T4（实际经验，早上挺容易获得T4 GPU），或者可以尝试找到这些框架的旧版本，它们仍然支持K80。重启了一波，可以跑模型了：

用 Temporal Fusion Transformer 跑了个时间序列预测，效果很Nice！本地 CPU 跑可能要 40min 左右，GPU 大约 8 分钟就跑完。

效果也挺好！如上图所示。

参考了：

• 编程技术网 | How to install mxnet on google colab?
• 在Google colab Colaboratory上，安装CUDA和GPU版本的MXnet
• Error with MXNET and CUDA in Google Colab: no kernel image is available for execution on the device
• GluonTS-GPU的安装及使用