tensorflow-gpu 和 tensorflow 有什么区别？

Question

当我看到一些关于 TensorFlow with GPU 的教程时，似乎该教程使用的是 tensorflow-gpu 而不是 tensorflow。
我得到的唯一信息是 pypi page，它没有涵盖太多信息。
official web 表示 tensorflow 已经包含 GPU 支持。

那么这两个库之间有什么区别吗？

我的假设是在早期版本中，tensorflow 没有原生 GPU 支持，他们创建了单独的库，并且 tensorflow-gpu 仍在为已经使用 tensorflow-gpu 的老用户更新。

[更新]
感谢评论和答案。我刚刚完成了与 Nvidia 相关的几个先决条件的安装并使用了普通的 TensorFlow，现在我需要重新安装 CUDA 版本，因为最新的 CUDA 与最新的 tensorflow 不兼容。确实，设置可能会很麻烦。

Answer 1

主要区别在于您的系统需要启用 GPU 的 TensorFlow 版本。但是，在将 TensorFlow 安装到此环境中之前，您需要将计算机设置为支持 GPU 的 CUDA 和 CuDNN。

|支持 TensorFlow 库 |张量流 | tensorflow-gpu | |对于硬件类型：| tf | tf-gpu | |-----------------------------------|------------|- ----------------| | cpu-only |是 |没有（~tf-like） | |安装了 cuda+cudnn 的 gpu |是 |是 | |未安装 cuda+cudnn 的 gpu |是 |没有（~tf-like）|

More info

More info

Answer 2

两个库之间没有太多区别。核心语法将是相同的，如果您在 python（或 conda）环境中安装了 tensorflow-gpu，那么推理将简单地在 GPU 上运行。与 tensorflow-gpu 软件包一起，如果您使用的是 conda 环境，将自动安装 Python 的 CUDA 工具包。