更新：这个问题与Google Colab的“笔记本设置：硬件加速器：GPU”有关。该问题是在添加“TPU”选项之前提出的
读到关于谷歌合作实验室（Google Colaboratory）提供免费特斯拉K80 GPU的多条激动人心的公告，我试着在上面快速运行.ai课程，让它永远无法完成——快速耗尽内存。我开始调查原因
底线是，“免费特斯拉K80”并不是对所有人都“免费”——对一些人来说，只有一小部分是“免费”的
我从加拿大西海岸连接到谷歌Colab，我只得到了0.5GB的24GB GPU内存。其他用户可以访问11GB的GPU RAM
显然，对于大多数ML/DL工作，0.5GB GPU RAM是不够的
如果你不确定你得到了什么，这里有一个我拼凑的小调试功能（只适用于笔记本电脑的GPU设置）：
#内存占用支持库/代码
!ln-sf/opt/bin/nvidia smi/usr/bin/nvidia smi
!pip安装gputil
!pip安装psutil
!pip安装人性化
导入psutil
导入人性化
导入操作系统
将GPUtil作为GPU导入
GPUs=GPU.getGPUs（）
#XXX:Colab上只有一个GPU，不保证
gpu=gpu[0]
def printm（）：
process=psutil.process（os.getpid（））
打印（“Gen RAM空闲：+人性化.naturalsize（psutil.virtual_memory（）.available），”；进程大小：“+人性化.naturalsize（process.memory_info（）.rss））
打印（“GPU内存可用：{0.0f}MB |使用：{1.0f}MB | Util{2:3.0f}%|总计{3.0f}MB”。格式（GPU.memoryFree、GPU.memoryUsed、GPU.memoryUtil*100、GPU.memoryTotal））
printm（）
在运行任何其他代码之前，在jupyter笔记本中执行它会让我：
无内存：11.6 GB进程大小：666.0 MB
GPU可用内存：566MB使用：10873MB使用率95%总计11439MB
访问完整卡的幸运用户将看到：
无内存：11.6 GB进程大小：666.0 MB
GPU可用内存：11439MB已使用内存：0MB可用内存0%总计11439MB
在我从GPUtil借用的GPU RAM可用性计算中，您是否看到任何缺陷
如果你在Google Colab笔记本上运行此代码，你能确认得到类似的结果吗
如果我的计算是正确的，有没有办法在空闲盒上获得更多的GPU RAM
更新：我不知道为什么我们中的一些人得到的是其他用户的20分之一。e、 帮我调试的那个人来自印度，他得到了全部信息
注意：请不要再发送任何关于如何杀死可能会消耗GPU部分的卡住/失控/并行笔记本电脑的建议。无论您如何分割它，如果您与我处于同一条船上，并且要运行调试代码，您将看到您仍然获得总共5%的GPU RAM（截至此次更新）
所以为了防止另外十几个答案提示无效，在这个帖子的上下文中建议去！kill-9-1，让我们关闭这个线程：
答案很简单：
在撰写本文时，谷歌只给了我们中的一些人5%的GPU，而给了其他人100%。期间。
2019年12月更新：问题仍然存在——该问题的投票仍在继续
2019年3月更新：一年后，一名谷歌员工@AmiF对情况发表了评论，称问题不存在，任何似乎有此问题的人都需要简单地重置运行时以恢复内存。然而，投票仍在继续，对我来说，这表明问题仍然存在，尽管@AmiF提出了相反的建议
2018年12月更新：我有一个理论，当谷歌的机器人检测到非标准行为时，谷歌可能会有特定账户的黑名单，或者浏览器指纹。这可能完全是巧合，但在相当长的一段时间里，我在任何需要重新验证码的网站上都遇到了谷歌重新验证码的问题，在我被允许通过之前，我必须通过几十个谜题，通常需要10多分钟才能完成。这持续了好几个月。突然，从这个月起，我一点谜题都没有了，任何谷歌重新验证码都只需点击一次鼠标就能解决，就像一年前一样
我为什么要讲这个故事？嗯，因为同时我在Colab上得到了100%的GPU内存。这就是为什么我怀疑如果你在理论上的谷歌黑名单上，那么你就不会被信任免费获得大量资源。我想知道你们中是否有人发现有限的GPU访问和重新验证码噩梦之间存在同样的相关性。正如我所说，这也可能完全是巧合