我在python3中导入tensorflow时遇到问题:
>>> import tensorflow as tf
Traceback (most recent call last):
File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 41, in <module>
from tensorflow.python.pywrap_tensorflow_internal import *
File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 28, in <module>
_pywrap_tensorflow_internal = swig_import_helper()
File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 24, in swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
File "/usr/lib/python3.5/imp.py", line 242, in load_module
return load_dynamic(name, filename, file)
File "/usr/lib/python3.5/imp.py", line 342, in load_dynamic
return _load(spec)
ImportError: libcusolver.so.8.0: cannot open shared object file: No such file or directory
During handling of the above exception, another exception …最近,我想将我的python库移动到pendrive,以便在我的Workstation和Laptop之间切换时保持所有库不变.(也是这样,如果我更新一个,它也在其他更新)
为此,我在pendrive上安装了tensorflow-gpu版本(我的笔记本电脑没有GPU).一切正常,两台PC都没有问题(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).
这就是我的问题所在.a之间有什么区别
tensorflow-gpu
而且只是
tensorflow
？(因为没有找到GPU,tensorflow-gpu会自动使用CPU版本.)
差异仅在于GPU支持吗？那为什么会有非GPU版本的tensorflow呢？
还有,这样做还好吗？或者我应该创建虚拟环境以保持CPU和GPU的单独安装？
编辑: 我能找到的最接近的答案是 如何在没有gpu的情况下使用gpu开发张量流
但它只指定在CPU平台上使用tensorflow-gpu是完全可以的,但它仍然没有回答我的第一个问题.答案可能已经过时,因为tensorflow不断发布新的更新.
编辑2: 我在GTX 1070的工作站上安装了tensorflow-gpu版本(因此安装成功).
另外我明白不同之处是pip install tensorflow-gpu需要安装CUDA的设备,但我的问题更多的是使用库,因为我tensorflow-gpu在笔记本电脑上使用该版本没有任何问题(没有GPU)并且我的所有脚本都没有运行任何错误.
(也从上面删除pip安装以避免混淆)
编辑3:
也没有tensorflow-gpu在没有GPU设置的系统上运行CUDA_VISIBLE_DEVICES=-1