最近，我想将python库移动到pendrive上，以在在Workstation和Laptop之间切换时保持所有库不变。 （另外，如果我更新了一个，也更新了另一个）
为此，我在pendrive上安装了tensorflow-gpu版本（我的笔记本电脑没有GPU）。在PC（它可以无问题地检测并使用我的GPU）和笔记本电脑（它会自动使用我的CPU）上，一切正常运行，没有问题。
这就是我的问题所在。
有什么区别tensorflow-gpu
还有
tensorflow
？ （因为未找到GPU，所以tensorflow-gpu自动使用CPU版本。）
区别仅在于对GPU的支持吗？那为什么还要拥有非GPU版本的tensorflow？
也可以这样进行吗？还是应该创建虚拟环境来为CPU和GPU保留单独的安装？
编辑： 我能找到的最接近答案是 How to develope for tensor flow with gpu without a gpu
但是它只表明在CPU平台上使用tensorflow-gpu完全可以，但是它仍然不能回答我的第一个问题。另外，由于tensorflow不断发布新的更新，答案可能已过时。
修改2： 我已经在工作站上使用GTX 1070安装了tensorflow-gpu版本（因此安装成功）。
我也了解到，不同之处在于pip install tensorflow-gpu将需要支持CUDA的设备才能安装，但是我的问题更多地是关于库的使用，因为在版本上使用tensorflow-gpu版本时我没有遇到任何问题我的笔记本电脑（没有GPU），所有脚本运行都没有错误。
（还从上方删除了pip安装，以避免造成混乱）
修改3：
在没有GPU且与设置tensorflow-gpu相同的GPU的系统上也未运行CUDA_VISIBLE_DEVICES=-1
答案 0 :(得分：2)
要注意的一件事：即使您的系统中没有GPU，也可以安装CUDA。
对于软件包tensorflow和tensorflow-gpu，我希望这可以消除混乱。 是/否的意思是“ 在执行程序包时，程序包会开箱即用 import tensorflow as tf”吗？这里是区别：
| Support for TensorFlow libraries | tensorflow | tenosorflow-gpu |
|----------------------------------|------------|-----------------|
| cpu-only | yes | no |
| gpu with cuda+cudnn installed | yes | yes |
| gpu without cuda+cudnn installed | yes | no |
编辑：通过删除CUDA + CuDNN env变量，确认了no系统和cpu-only上的gpu without cuda+cudnn installed答案。
答案 1 :(得分：0)
tensorflow-gpu需要cuda / cudnn。 tensorflow没有。 pip不会为您安装cuda（conda会为您安装cuda），因此pip install tensorflow-gpu在没有nvidia gpu的大多数系统上都无法使用。
答案 2 :(得分：0)
从TensorFlow2.0起，只是快速的（不必要的）注释...这些没有分开，您只需安装tensorflow（因为如果您安装了适当的卡/ CUDA，这将包括GPU支持）。