在tensorflow 1.x中，

環境tensorflow==1.xtensorflow-gpu==1.x

只有CPU	cpu運行	和tensorflow一樣運行
有GPU且裝Cuda和Cudnn	cpu運行	gpu運行
有GPU未裝Cuda或Cudnn	cpu運行	和tensorflow一樣運行

在tensorflow 2.x中，

環境tensorflow-cpu==2.xtensorflow==2.x

只有CPU	cpu運行	cpu運行
有GPU且裝Cuda和Cudnn	cpu運行	gpu運行
有GPU未裝Cuda或Cudnn	cpu運行	cpu運行

tensorflow 2.x不再區分是否gpu，當檢測到gpu并安裝cuda后，自動調用gpu。

但是，有些人不需要或沒有gpu，gpu適配對這部分群體是浪費的（占用不必要的資源），于是有了tensorflow-cpu，我們可以理解其為cpu only版本

（綜上，也可以理解為：tensorflow==1.x對應tensorflow-cpu==2.x，tensorflow-gpu==1.x對應tensorflow==2.x）

個人理解，如有錯誤請指正。

參考：https://github.com/tensorflow/tensorflow/tree/v2.3.1https://github.com/tensorflow/tensorflow/tree/r1.14
Difference between installation libraries of Tensorflow GPU vs CPU

總結

以上是生活随笔為你收集整理的tensorflow怎样调用gpu_tensorflow / tensorflow-gpu / tensorflow-cpu区别?的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。