Tensorflow 1.15 之后 - 无需安装 tensorflow-gpu package

Question

问题

Please confirm that to use both CPU and GPU with TensorFlow after 1.15 , install tensorflow package is enough and tensorflow-gpu is no more required.

背景

仍然看到说明安装tensorflow-gpu 的文章，例如pip install tensorflow-gpu==2.2.0和tensorflow-gpu package 的 PyPi 存储库在最新的tensorflow-gpu 2.4.1中处于活动状态。

Annaconda 文档还提到了 tensorflow-gpu package。

• 使用 GPU 包 - 可用包 - TensorFlow

TensorFlow 是一个通用机器学习库，但在深度学习应用中最流行。 Z853F30A23CE8B86946C91D67F5C78Z 中的 tensorflow package 支持三种变体，其中之一是 NVIDIA Z52F9EC17CD329 版本。 这是通过安装元包 tensorflow-gpu 来选择的：

但是，根据 TensorFlow v2.4.1（截至 2021 年 4 月）核心文档GPU 支持 - TensorFlow 的旧版本

对于 1.15 及更早版本，CPU 和 GPU 包是分开的：

pip install tensorflow==1.15      # CPU
pip install tensorflow-gpu==1.15  # GPU

根据 TensorFlow 核心指南使用 GPU 。

TensorFlow 代码和 tf.keras 模型将透明地在单个 GPU 上运行，无需更改代码。

根据TensorFlow GPU 与 CPU 的安装库之间的差异。

只是一个快速（不必要的？）注意......从 TensorFlow 2.0 开始，这些没有分开，您只需安装 tensorflow（因为这包括 GPU 支持，如果您安装了适当的卡）。

因此，希望明确确认 tensorflow-gpu package 只是为了方便（已指定 tensorflow-gpu 等的旧脚本），不再需要。 现在 tensorflow 和 tensorflow-gpu 包之间没有区别。

Answer 1

在这里对 package 命名感到困惑是合理的。 但是，这是我的理解。 对于tf 1.15或更早版本， CPU和GPU包是分开的：

pip install tensorflow==1.15      # CPU
pip install tensorflow-gpu==1.15  # GPU

因此，如果我想完全在tf的CPU版本上工作，我将使用第一个命令 go ，否则，如果我想完全在tf的GPU版本上工作，我将使用第二个命令 Z34D1F91FB2E514B85BZFAB 。

---

现在，在tf 2.0或更高版本中，我们只需要一个可以方便地在两种硬件上运行的命令。 因此，在基于CPU和GPU的系统中，我们需要相同的命令来安装tf ，即：

pip install tensorflow

现在，我们可以在基于CPU的系统上测试它（没有GPU ）

import tensorflow as tf 
print(tf.__version__)

print('1: ', tf.config.list_physical_devices('GPU'))
print('2: ', tf.test.is_built_with_cuda)
print('3: ', tf.test.gpu_device_name())
print('4: ', tf.config.get_visible_devices())

2.4.1
1:  []
2:  <function is_built_with_cuda at 0x7f2ce91415f0>
3:  
4:  [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]

或者也在基于CPU的系统上进行测试（使用GPU ）

2.4.1
1:  [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
2:  <function is_built_with_cuda at 0x7fb6affd0560>
3:  /device:GPU:0
4:  [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU'),
     PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

因此，正如您所见，这只是针对CPU和GPU案例的单个命令。 希望现在更清楚了。 但直到现在（在tf > = 2中）我们还可以在安装tf时使用-gpu / -cpu后缀，分别用于GPU / CPU 。

!pip install tensorflow-gpu 
....
Installing collected packages: tensorflow-gpu
Successfully installed tensorflow-gpu-2.4.1

# -------------------------------------------------------------

!pip install tensorflow-cpu
....
Installing collected packages: tensorflow-cpu
Successfully installed tensorflow-cpu-2.4.1

---

检查：来自 tf-team 的类似响应。