我之前曾询问是否可以在 cpu 上运行支持 gpu 的张量流。有人告诉我，可以使用基本代码来切换我想使用的设备，但不知道如何让初始代码在根本没有 gpu 的计算机上运行。例如，我想在具有 NVidia gpu 的计算机上进行训练，但在只有 cpu 的笔记本电脑上编程。我该怎么做呢？我已经尝试像往常一样编写代码，但在我什至可以切换我想要使用的设备之前它就崩溃了。我在 Linux 上使用 Python。
【问题讨论】：
标签： tensorflow
这个帖子可能会有所帮助：Tensorflow: ImportError: libcusolver.so.8.0: cannot open shared object file: No such file or directory
我尝试在没有 GPU 的 uni 的 HPC 登录节点中加载 tensorflow-gpu 来导入 tensorflow。它运作良好。我的笔记本电脑中没有 Nvidia GPU，所以我从来没有经历过安装过程。但我认为原因是它找不到CUDA，cuDNN的相关库。
但是，你为什么不直接使用 cpu 版本呢？正如@Finbarr Timbers 所提到的，您仍然可以在具有 GPU 的计算机上运行模型。
【讨论】：
您遇到了什么错误？很有可能在 GPU 上进行训练，但在 CPU 上进行开发——很多人都这样做，包括我自己。事实上，如果possible，Tensorflow 会自动将你的代码放在 GPU 上。
如果您将以下代码添加到您的模型中，您可以看到正在使用哪些设备：
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
当您在配备 GPU 的计算机上运行模型时，这应该会改变。
【讨论】：