1. 现在网上说的怎么选tensorflow gpu版本或cpu版本训练时,来来去去就是那些命令,如with tf.device等等。这时读者其实有些只安装tensorflow-gpu,有些是tensorflow-gpu和tensorflow(cpu版)一起装了,因此会有不同的表现。特别是两个版本都装的时候会出很多问题。
2. 因此,一定不要tensorflow-gpu和tensorflow(cpu版)一起装,因为这样装有个先后顺序问题,先安装tensorflow-gpu再安装tensorflow,gpu版本直接不能用了,管你用with tf.device("/gpu":0)还是
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # see issue #152
os.environ['CUDA_VISIBLE_DEVICES']= '-1' # -1 !!!!
统统不好使,系统会用cpu版本计算。而且这时候卸掉tensorflow还是不行,会报缺少文件的错误,必须再把tensorflow gpu版的卸掉,然后重新安装tensorflow gpu才行。
3. 因此,如果想测试cpu和gpu版本性能的,最好创建两个python的虚拟环境,一个装tensorflow-gpu,另一个装tensorflow。