python与tensorflow的关系_Tensorflow GPU与CPU安装库的区别

最近，我想把我的python库移到pendrive中，以便在工作站和笔记本之间切换时保持所有库不变。（也就是说，如果我更新一个，它也会更新另一个）

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机（它可以毫无问题地检测和使用我的GPU）和笔记本电脑（它自动使用我的CPU）上一切正常。

这就是我的问题所在。这两者的区别是什么tensorflow-gpu

只是tensorflow

是吗？（因为找不到GPU时，tensorflow GPU会自动使用CPU版本。）

区别仅仅在于GPU的支持吗？那为什么要有一个非GPU版本的tensorflow呢？

另外，这样做可以吗？或者我应该创建虚拟环境来保持CPU和GPU的独立安装吗？

但是它只指定在CPU平台上使用tensorflow gpu是完全可以的，但是它仍然没有回答我的第一个问题。另外，由于tensorflow不断发布新的更新，答案可能已经过时。

编辑2:

我已经在工作站上安装了tensorflow gpu版本的GTX 1070（因此安装成功）。

另外，我知道不同之处在于pip install tensorflow-gpu需要启用CUDA的设备来安装，但我的问题更多的是关于库的使用，因为在笔记本电脑上使用tensorflow-gpu版本（没有GPU）时，我没有遇到任何问题，而且我的所有脚本运行时都没有任何错误。

（为避免混淆，还从上方拆下了pip安装）

编辑3:

在没有GPU的系统上运行tensorflow-gpu与设置CUDA_VISIBLE_DEVICES=-1不同