我可以让人们在使用不同CUDA依赖项安装的版本之上使用其他Tensorflow-gpu版本吗？

Question

我试图打包并发布一个使用tensorflow-gpu的项目。 因为我的意图是使安装尽可能容易，所以我不想让用户从头开始编译tensorflow-gpu ，所以我决定使用pipenv来安装pip提供的任何版本。

我意识到尽管一切都可以在我的原始本地版本中运行，但是我无法在virtualenv版本中import tensorflow 。

ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

尽管通过更改本地符号链接似乎很容易解决此问题，但这可能会破坏我的本地张量tensorflow ，并且违反了virtualenv的概念，而且我对人们如何在其实例上安装CUDA也tensorflow ，因此这似乎没有什么希望便于携带。

当互联网上的某人仅在“安装CUDA XX”的指导下获得我的项目时，我该怎么做才能确保tensorflow-gpu正常工作？ 我应该回到tensorflow以确保兼容性，并让我的用户手动安装tensorflow-gpu吗？

Answer 1

在机器上运行tensorflow-gpu确实需要一系列步骤，包括安装cuda和cudnn，后者需要获得NVidia的批准。 许多机器甚至无法满足tensorflow-gpu所需的配置，例如，任何没有现代nvidia gpu的机器。 您可能需要定义tensorflow-gpu要求，并由用户来满足它，并带有适当的指导指针。 如果项目可以在tensorflow-cpu上可接受地工作，那将是一个容易得多的后备选项。