tensorflow / tensorflow-gpu / tensorflow-cpu区别?

转载 最新推荐文章于 2026-10-19 15:54:38 发布 9.2k 阅读 AI写同款
收录于
tensorflow

当前文章被收录于：

tensorflow
16 篇文章 7 人学习
订阅专栏 查看详情
不要清汤锅
不要清汤锅 博客等级 码龄10年 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 9.2k累计阅读 9.2k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要
39粉丝43篇原创
关注
TensorFlow和PyTorch数据格式之争：NCHW vs NHWC到底怎么选？ 本文深入探讨了TensorFlow和PyTorch中NCHW与NHWC数据格式的选择策略及其性能影响。通过对比两种格式在内存布局、硬件加速和框架默认选择上的差异，提供了实战中的优化建议和性能数据，帮助开发者在不同硬件平台上做出明智选择，提升深度学习模型的训练效率。 阅读详情
AI摘要

本文详细介绍了TensorFlow在1.x与2.x版本中，针对GPU与CPU的不同版本及其运行方式的区别。在2.x版本中，TensorFlow不再区分GPU版本，会自动检测并使用GPU。同时介绍了适用于仅使用CPU环境的TensorFlow-cpu版本。

在tensorflow 1.x中，

环境tensorflow==1.xtensorflow-gpu==1.x
只有CPUcpu运行和tensorflow一样运行
有GPU且装Cuda和Cudnncpu运行gpu运行
有GPU未装Cuda或Cudnncpu运行和tensorflow一样运行

在tensorflow 2.x中，

环境tensorflow-cpu==2.xtensorflow==2.x
只有CPUcpu运行cpu运行
有GPU且装Cuda和Cudnncpu运行gpu运行
有GPU未装Cuda或Cudnncpu运行cpu运行

tensorflow 2.x不再区分是否gpu，当检测到gpu并安装cuda后，自动调用gpu。

但是，有些人不需要或没有gpu，gpu适配对这部分群体是浪费的（占用不必要的资源），于是有了tensorflow-cpu，我们可以理解其为cpu only版本

（综上，也可以理解为：tensorflow==1.x对应tensorflow-cpu==2.x，tensorflow-gpu==1.x对应tensorflow==2.x）

个人理解，如有错误请指正。

参考：
https://github.com/tensorflow/tensorflow/tree/v2.3.1
https://github.com/tensorflow/tensorflow/tree/r1.14
Difference between installation libraries of Tensorflow GPU vs CPU

标签
#tensorflow
原文链接：https://zhuanlan.zhihu.com/p/268081812>
Tensorflow 使用cpu和gpu的区别 在Tensorflow中使用gpu和cpu是有很大的差别的。在小数据集的情况下，cpu和gpu的性能差别不大。不过在大数据集的情况下，cpu的时间显著增加，而gpu变化并不明显。不过，我的笔记本电脑的风扇终于全功率运行了。 import tensorflow as tf import timeit import numpy as np import matplotlib.pyplot as plt... 阅读详情

相关推荐

tensorflow和torch在cpu和gpu上切换及清缓存

tensorflow和torch分别在cpu和gpu上的切换、立刻清理缓存释放cuda策略（纯python-code调整，不需要卸载和安装包实现）

TommyDATA的博客 1219

tensorflow-gpu安装100%成功（tensorflow-gpu版和tensorflow-cpu版的区别、为什么要创建虚拟环境、如何同时使用两个gpu库、tensorflow-gpu版安装）

全网最详细的tensorflow-gpu安装，100%成功，原理+安装过程（tensorflow-gpu版和tensorflow-cpu版的区别、为什么要创建虚拟环境、如何同时使用两个gpu库、tensorflow-gpu版详细安装过程）

sunshine_boy1的博客 9898

Linux 音频驱动(六) ALSA音频驱动之PCM Write数据传递过程

目录1. 前言2. PCM Data Flow3. 总结 1. 前言 本文，我们将以回放（Playback，播放音频）为例，讲解PCM Data是如何从用户空间到内核空间，最后传递到Codec。 在Linux 音频驱动(一) ASoC音频框架简介中，我们给出了回放（Playback）PCM数据流示意图： 对于Linux来说，由于分为 user space 和kernel space，而且两者之间不能随便互相访问。因此用户如果播放音频，则需要调用copy_from_user()将用户数据从user spa

_Modest_的博客 1万+

深度学习01-tensorflow开发环境搭建

TensorFlow是一种端到端开源机器学习平台，它提供了一个全面而灵活的生态系统，包含各种工具、库和社区资源，能够助力研究人员推动先进机器学习技术的发展。在TensorFlow机器学习框架下，开发者能够轻松地构建和部署由机器学习提供支持的应用。[2]Keras是一个高层次神经网络 API，适用于快速构建原型、高级研究和生产。它作为TensorFlow的一个接口，可以兼容多种深度学习框架。Keras 的核心数据结构是 model，一种组织网络层的方式。

liaomin416100569的专栏 4532

避坑指南：OpenWRT改AP模式必做的5个关键设置（DHCP/防火墙/WAN口处理）

本文详细解析了将OpenWRT设备从路由模式切换为AP模式时，必须完成的五个关键设置步骤。核心在于理解AP模式本质是带无线的智能交换机，需彻底关闭DHCP服务、调整防火墙策略、正确桥接所有物理接口（包括WAN口处理），并集成无线网络，以确保设备能透明接入主路由网络，避免出现设备隔离或无法互访等常见问题。

t1u2v的博客 732

MPU6050 加速度计和陀螺仪传感器与 Arduino 的接口

虽然该模型并不能准确代表现实世界中加速度计传感器的构建方式，但它通常有助于理解为什么加速度计的输出信号通常以 ±g 为单位指定，或者为什么加速度计在静止时在 z 轴上的读数为 1g，或者在不同方向上您可以期望得到什么样的加速度计读数。该模块的核心是低功耗、低成本的 6 轴运动跟踪芯片 MPU6050，它将 3 轴陀螺仪、3 轴加速度计和数字运动处理器 (DMP) 集成到一个 4mm x 4mm 的微型芯片中。小时候，科学博览会上的陀螺仪总是让我们感到惊讶，因为它们以奇怪的方式移动，甚至似乎违背了重力。

sxstj的博客 9932

tensorflow的CPU和GPU的区别

最近深度学习CPU根本不够用，老板配置了GPU 怎么能不会用呢？原来从来没有关注过的底层东西，于是乎痛下决心搞清楚原理和操作 先来看看第一部分 为什么GPU比CPU更diao呢？ 这里就需要从他么的区别入手那他么的区别是什么呢？ 这里就需要从他的原理出发了，由于其设计目标的不同，它们分别针对了两种不同的应用场景 CPU 需要很强的通用性 为了处理各种不同的数据类型，同时又要逻辑判断又会引入大...

爱吃冰淇凌的羊驼 5万+

【视频编码学习】AVS3参考软件HPM-4.1简单配置运行

1、用Visual Studio2017打开HPM-4.1文件夹 2、找到文件夹目录下x86_windows文件夹，因为是在win上运行该代码 3、然后找到对应vs版本（我当时2017版）的解决方案sln文件，双击打开可以看到该解决方案下的全部项目。 4、重新生成解决方案时发现提示sdk版本问题，所以右键点击所有的项目，选择重定向项目，修改一下sdk版本。 ...

谦虚勤奋诚实感恩 3098

tensorflow和tensorflow-gpu中,电脑如何选择tensorflow-gpu进行训练

tensorflow和tensorflow-gpu中,电脑如何选择tensorflow-gpu进行训练

mynameisyaxuan的博客 1503

Doris副本修复实战：从状态机到手动修复的完整指南

在分布式数据库系统中，多副本机制是实现高可用与数据一致性的核心技术。其原理是通过在不同节点存储数据的多个拷贝，确保部分节点故障时服务仍可继续。这项技术的核心价值在于保障数据可靠性，并支撑在线分析处理（OLAP）等对数据一致性要求高的应用场景。当副本出现损坏、丢失或版本不一致时，系统通常依赖自动修复机制，但在元数据损坏、多副本同时故障等复杂场景下，自动修复可能失效，需要深入理解副本状态机并借助手动工具介入。本文将聚焦Doris数据库，解析Tablet副本状态流转（如BAD、VERSION_ERROR），并详细

weixin_32288959的博客 454

rk3399 linux 5.10 usb 2.0设备上电概率性注册失败

先排除硬件上的问题，然后就烧录kernel 4.1的的镜像，多次测试也没有发现这个问题，所以排除了硬件上的问题，然后。查下usb hub和usb 4G的复位脚，写驱动都给它们配上了，但是还是存在这个问题。最后通过对比rk3399.dtsi发现少了个power-domains = ;多次开关机，发现usb hub和4G都通信失败了，这就有点奇怪了，按理说usb驱动是没啥问题的。加上后，重新编译烧录，重新测试没有发现这个问题了！先查看usb log。

qq_32017483的博客 2672

2.0以后tensorflow和tensorflow-gpu有啥区别

pip install tensorflow 和pip install tensorflow-gpu装的东西是一样的， 当你电脑安装了cuda，或者电脑没有安装cuda只是在虚拟环境中用conda安装了cudatoolkit后，都会调用gpu跑程序，没有gpu就用cpu。 conda install tensorflow装的是cpu版本的tensorflow，这可能是conda清华源的问题。 想用conda 装gpu tensorflow，就要conda install tensor...

qq_30249871的博客 5251

stm32f103c8t6＋esp8266在WiFi下通过手机控制外设

stm32f103c8t6＋esp8266在WiFi下通过手机控制外设前言 前言 通过上一篇，介绍了esp8266的基本功能，这篇将用stm32c8t6配合esp8266进行数据交互，实现用手机通过无线的方式去控制外设、开关等；这里相当于把stm32作为上一篇的串口助手和esp8266进行通信； ...

weixin_45430735的博客 1万+

tensorflow怎样调用gpu_tensorflow / tensorflow-gpu / tensorflow-cpu区别?

在tensorflow 1.x中，环境tensorflow==1.xtensorflow-gpu==1.x只有CPUcpu运行和tensorflow一样运行有GPU且装Cuda和Cudnncpu运行gpu运行有GPU未装Cuda或Cudnncpu运行和tensorflow一样运行在tensorflow 2.x中，环境tensorflow-cpu==2.xtensorflow==2.x只有CPUcp...

weixin_35793357的博客 792

Autosar 下电过程-基于ETAS工具

本文介绍基于ETAS工具对应的BIP包的下电过程，仅供参考。在最后调用SBC下电时，需要理清楚SBC的休眠流程，否则可能会出现休眠又唤醒情况。后面有空会介绍9471的休眠流程。

赞的博客 809

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

（ubuntu 下）tensorflow 的安装及版本升级

对于 CPU 版本 pip3 install –upgrade tensorflow对于 GPU 版本： pip3 install –upgrade tensorflow-gpu

4599

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

Ubuntu 20.04下TensorFlow GPU环境搭建与避坑指南

深度学习环境配置中，GPU加速依赖显卡驱动、CUDA和cuDNN的版本兼容。TensorFlow通过pip包内置CUDA运行库，简化了依赖管理，但需确保驱动版本匹配。正确配置可提升模型训练效率，适用于计算机视觉、自然语言处理等场景。本文以Ubuntu 20.04为例，详解如何通过venv和pip安装TensorFlow，实现GPU调用，并分享常见问题排查经验。

weixin_42551227的博客 246

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。

TensorFlow 2024实战：从环境配置到线上部署的完整指南

深度学习框架的选型直接影响从模型训练到线上服务的效率。TensorFlow作为端到端机器学习平台，内置Keras高级API、tf.data数据管道、TensorFlow Serving与TensorFlow Lite等完整工具链，让模型从Notebook到生产环境的落地路径更平滑。文章从环境配置、GPU/CUDA版本匹配讲起，逐步拆解张量、自动求导、Keras建模、训练回调等核心概念，并结合Fashion MNIST实战演示图像分类模型的完整训练流程。同时，针对训练中常见的数据泄漏、显存管理、过拟合等问题给

weixin_29096377的博客 307

TensorFlow 和 PaddlePaddle 安装对比

TensorFlow 和 PaddlePaddle 安装对比 前言： 目前深度学习是 AI 热潮中的宠儿，而 TensorFlow 和 PaddlePaddle 是深度学习领域中两个工业级的深度学习框架。本文就从安装角度对比一下 TensorFlow 和 PaddlePaddle，为了表述方便，下面把 TensorFlow 简称作 tf ， 把 PaddlePaddle 简称作 paddle。 注...

qq_31502155的博客 1636

TensorFlow实战指南：从环境搭建到生产部署的关键路径

深度学习框架是构建和训练神经网络的基础工具，其核心原理涵盖动态图、自动微分与模块化建模，决定了开发效率与调试体验。在真实工程场景中，框架的部署能力、生态成熟度与稳定性往往比算法新颖性更为关键。TensorFlow作为一套端到端的AI基础设施，提供TF Serving在线推理、TensorFlow Lite端侧部署等完整链路，覆盖服务器、移动端与嵌入式设备。本文从实际项目视角出发，详解TensorFlow的安装配置、Keras建模范式、模型保存导出、性能优化三板斧，并客观对比PyTorch的适用场景，帮助开发

weixin_33212799的博客 230

TensorFlow 入门实战：从环境搭建到第一个训练程序

深度学习框架的核心是高效数值计算与自动微分，TensorFlow 通过张量、计算图和梯度带实现这一能力。张量作为多维数组，支持 GPU 加速与自动求导，是构建神经网络的基础。掌握 TensorFlow 能帮助开发者快速实现模型训练与部署，广泛应用于图像识别、自然语言处理等场景。本文从零开始，详解环境搭建、核心概念与线性回归实战，助你避开新手常见陷阱，顺利跑通第一个 TensorFlow 程序。

weixin_27310417的博客 202

【深度学习系列】全面指南：安装TensorFlow的CPU和GPU版本

本博客旨在为初学者提供一份全面的指南，介绍如何根据个人电脑的配置选择并安装适合的TensorFlow版本。内容涵盖了如何查看电脑显卡型号以确定是安装CPU还是GPU版本的TensorFlow，创建Python虚拟环境，以及使用conda命令查找可用的TensorFlow版本。同时，文章还提供了安装过程中可能遇到的问题及其解决方法，确保读者能够顺利完成安装过程，并开始他们的机器学习或深度学习项目。

2301_81199775的博客 3万+

Tensorflow小白安装（包含GPU版本和CPU版本）

如何解决代码运行中出现的ModuleNotFoundError: No module named 'tensorflow'该报错指使用的解释器环境没有安装tensorflow，接下来介绍使用工具安装anaconda-->创建conda环境-->安装Tensorflow（包括GPU和CPU）-->安装Pycharm-->配置Pycharm解释器的步骤以解决这个报错。

抠头助手的博客 3416

tensorflow的CPU版和GPU版本对比

最近深度学习CPU根本不够用，老板配置了GPU 怎么能不会用呢？ 原来从来没有关注过的底层东西，于是乎痛下决心搞清楚原理和操作 先来看看第一部分 为什么GPU比...

hleisurely的博客 7991

（深度学习）GPU比CPU慢？快看这里

GPU由于擅长矩阵运算，在深度学习尤其是计算机视觉方面得到了广泛的应用。 前几天在我废了好大劲在我的的电脑上安装了Tensorflow 2.0 - GPU，然后就迫不及待地去体验一下GPU的速度。 我去Tensorflow官网上直接复制了一段代码，就是最简单的神经网络识别MNIST手写数字数据集。然后分别用GPU和CPU跑了以下，结果让我大吃一惊。之前听别人说用GPU通常会比CPU快好几倍，而我经...

qq_43673118的博客 2万+
上一篇： WIN10安装TENSORFLOW（GPU版本）详解（超详细，从零开始）
下一篇： 解决conda下载安装很慢
点赞 12
评论 2
书签 书签 61
不要清汤锅
不要清汤锅
博客等级 码龄10年 39粉丝 43原创
+ 关注 专栏目录 订阅专栏
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值