雖然也使用tensorflow這么長時間了，但是有個問題我一直沒去思考，其實這問題也有困擾我很長時間，但是一直沒有去思考如何解決，直到有一天運行模型的時候用cpua實在是卡到起飛，才決定去查找一下，其實也很簡單。

我們在使用tensorflow時，在代碼里總是這樣寫 import tensorflow as tf 不少同學會遇到這種情況，電腦上既有tensorflow又有ensorflow-gpu，那么在運行代碼的時候到底如何指定使用tensorflow-gpu的，又如何指定使用cpu

版的tensorflow呢，畢竟是使用同一個語句import引進來的。不少文章會告訴你在代碼里加入類似的語句：
?

import os os.environ["CUDA_VISIBLE_DEVICES"] = "0"#指定在第0塊GPU上跑

這語句對不對呢，對。但你加入進去之后好用嗎，不好用。

問題就是，你現在調用的tensorflow是cpu版本的，即使你已經裝了tensorflow-gpu，不信的話，可以在python下試試這樣一條語句

from tensorflow.python.client import device_lib as _device_lib local_device_protos = device_lib.list_local_devices() devices = [x.name for x in local_device_protos] for d in devices:print(d)

不出意外，打出來的信息全是cpu設備的信息。

這種問題應該怎么解決呢，有的同學想，那我把tensorflow的cpu版本卸載就好啦，華生，你發現了盲點。這樣就會報錯 No module named ‘tensorflow’。。。。

正確解決辦法是，從新安裝tensorflow-gpu，因為系統默認使用最后一次安裝的tensorflow進行運算，tensorflow-gpu會替代原來的tensorflow版本，這樣你在使用tensorflow.__version__()查看版本時就是tensorflow-gpu的版本，這樣就說明你成功的導入了tensorflow-gpu。就可以愉快的使用gpu跑代碼啦

使用tensorflow-gpu時，要注意本機的cuda和cudnn版本三者之間關系是否對應，可以按照這個博客進行安裝：https://blog.csdn.net/sunmingyang1987/article/details/102872658

PS：tensorflow另一種查看GPU的方法：
?

import tensorflow as tfgpu_device_name = tf.test.gpu_device_name()print(gpu_device_name)

?

總結

以上是生活随笔為你收集整理的电脑上同时安装了tensorflow和tensorflow-gpu，如何默认使用tensorflow-gpu的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。