我试图打包并发布一个使用tensorflow-gpu
的项目。由于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
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,但是在virtualenv版本中我无法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tensorflow
,并且违反了virtualenv
的概念,而且我对人们如何在其计算机上安装CUDA一无所知实例,因此对于可移植性似乎并不乐观。
当互联网上的某人仅在“安装CUDA X.X”的指导下获得我的项目时,如何确保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?
答案 0 :(得分:1)
在一台机器上运行tensorflow-gpu确实涉及一系列步骤,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,例如没有现代nvidia gpu的任何机器。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。