python - 通过 conda-forge 安装 tensorflow-gpu 会导致使用 CPU-only tensorflow

问题描述

我正在创建一个 conda 环境，仅用于使用频道中的tensorflow-gpu包conda-forge

conda create -n tst -c conda-forge tensorflow-gpu

这将导致安装tensorflow-gpu 和包： tensorflow

The following NEW packages will be INSTALLED:

    _tflow_1100_select: 0.0.1-gpu
    ...
    tensorboard:        1.10.0-py36_0         conda-forge
    tensorflow:         1.10.0-py36_0         conda-forge
    tensorflow-gpu:     1.10.0-hf154084_0
    ...

然后当我导入 tensorflow 时，它看不到 GPU：

>>> import tensorflow as tf
>>> tf.test.is_gpu_available()
2018-09-20 15:29:21.778708: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
False

问题：

当只需要前者时，为什么 conda 会同时安装tensorflow-gpu和包？tensorflow
两个包可以和平共存吗？如果可以，如何在两者之间切换？
加分项：为什么从主通道安装时一切正常，即conda create -n tst tensorflow-gpu？（我没有受过教育的猜测是，conda-forge包tensorflow-gpu实际上来自主渠道，因此在导入期间具有较低的优先级）。

标签： pythontensorflowconda

通过查看 conda-forge ( https://conda-forge.org/feedstocks/ )上的软件包列表，看起来那里没有 tensorflow-gpu 软件包。conda-forge 和默认的 anaconda 包之间存在一些奇怪的兼容性问题——我通常会尽量避免将两者混为一谈。

即使你安装 as conda install -c anaconda tensorflow-gpu，它也会同时拉入非 GPU 的 tensorflow 包，但运行

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

找到 GPU。所以它似乎会自动使用启用 GPU 的版本。如果我想避免使用 GPU，我可能会使用with tf.device([CPU ID here]).

python - 通过 conda-forge 安装 tensorflow-gpu 会导致使用 CPU-only tensorflow

问题描述

解决方案

推荐阅读