Saltar al contenido

Diferencia entre las bibliotecas de instalación de Tensorflow GPU vs CPU

Nuestros mejores programadores agotaron sus depósitos de café, por su búsqueda día y noche por la resolución, hasta que Guadalupe encontró la solución en Gitea por lo tanto en este momento la comparte contigo.

Una cosa a tener en cuenta: CUDA se puede instalar incluso si no tiene una GPU en su sistema.

para paquetes tensorflow y tensorflow-gpu Espero que esto aclare la confusión. sí No medio “¿Funcionará el paquete de fábrica cuando se ejecute?import tensorflow as tf“? Aquí están las diferencias:

| Support for TensorFlow libraries | tensorflow | tensorflow-gpu  |
| for hardware type:               |    tf      |     tf-gpu      |
|----------------------------------|------------|-----------------|
| cpu-only                         |    yes     |   no (~tf-like) |
| gpu with cuda+cudnn installed    |    yes     |   yes           |
| gpu without cuda+cudnn installed |    yes     |   no (~tf-like) |

Editar: Confirmado el no respuestas en un cpu-only sistema y el gpu without cuda+cudnn installed (al eliminar las variables env CUDA+CuDNN).

~tf-like significa que a pesar de que la biblioteca es tensorflow-gpuse comportaría como tensorflow Biblioteca.

Solo una nota rápida (¿innecesaria?)… a partir de TensorFlow2.0 en adelante, estos no están separados, y simplemente instala tensorflow (ya que esto incluye compatibilidad con GPU si tiene instalada una tarjeta/CUDA adecuada).

Te mostramos las comentarios y valoraciones de los usuarios

¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)


Tags :

Utiliza Nuestro Buscador

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *