Tensorflow GPU安装库与CPU安装库的区别

Question

最近，我想将我的 Python 库移动到 pendrive，以便在我的工作站和笔记本电脑之间切换时保持所有库不变。 （另外，如果我更新一个，它也会在另一个上更新。）

为此，我在我的 pendrive 上安装了一个 tensorflow-gpu 版本（我的笔记本电脑没有 GPU）。在 PC（它检测并使用我的 GPU 没有问题）和笔记本电脑（它自动使用我的 CPU）上一切正常，没有问题。

这就是我的问题所在。和有什么区别

tensorflow-gpu

并且只是

tensorflow

？ （因为没有找到GPU时，tensorflow-gpu会自动使用CPU版本。）

区别仅在于 GPU 支持吗？那为什么要有非 GPU 版本的 tensorflow？

另外，这样下去可以吗？或者我应该创建虚拟环境来单独安装 CPU 和 GPU 吗？

我能找到的最接近的答案是 How to develop for tensor flow with gpu without a gpu 。

但是它只是规定了在CPU平台上使用tensorflow-gpu是完全没问题的，但是还是没有回答我的第一个问题。此外，随着 tensorflow 不断发布新更新，答案可能已过时。

我已经在 GTX 1070 工作站上安装了 tensorflow-gpu 版本（因此安装成功）。

我也明白不同之处在于 pip install tensorflow-gpu 需要安装支持 CUDA 的设备，但我的问题更多是关于库的使用，因为我在使用 tensorflow-gpu 时没有遇到任何问题我的笔记本电脑上的版本（没有 GPU）和我所有的脚本运行没有任何错误。

（还从上面删除了 pip install 以避免混淆）

此外，是否在没有 GPU 的系统上运行 tensorflow-gpu 与设置 CUDA_VISIBLE_DEVICES=-1 相同？

原文由 Rohan Pooniwala 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

需要注意的一件事：即使您的系统中没有 GPU，也可以安装 CUDA。

对于包 tensorflow 和 tensorflow-gpu 我希望这能消除混淆。 是/否 表示“ 执行时包会开箱即用 import tensorflow as tf ”吗？以下是不同之处：

 | Support for TensorFlow libraries | tensorflow | tensorflow-gpu  |
| for hardware type:               |    tf      |     tf-gpu      |
|----------------------------------|------------|-----------------|
| cpu-only                         |    yes     |   no (~tf-like) |
| gpu with cuda+cudnn installed    |    yes     |   yes           |
| gpu without cuda+cudnn installed |    yes     |   no (~tf-like) |

编辑：确认 no 对 cpu-only 系统和 gpu without cuda+cudnn installed 的回答（通过删除 CUDA+CuDNN 环境变量）。

~tf-like 意味着即使库是 tensorflow-gpu ，它的行为也像 tensorflow 库。

原文由 burglarhobbit 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

只是一个快速的（不必要的？）注意…从 TensorFlow2.0 开始，它们没有分开，您只需安装 tensorflow（因为如果您安装了适当的卡/CUDA，这包括 GPU 支持）。

原文由 Oz_Ben 发布，翻译遵循 CC BY-SA 4.0 许可协议