How to develop for tensor flow with gpu without a gpu
我之前曾问过是否有可能在CPU上使用gpu支持运行张量流。有人告诉我，可以用基本代码来切换我要使用的设备，但不能切换初始代码在完全没有GPU的计算机上工作。例如，我想在具有NVidia gpu的计算机上进行训练，但要在仅具有cpu的笔记本电脑上进行编程。我将如何去做呢？我尝试只按正常方式编写代码，但是在我什至无法切换要使用的设备之前，它便崩溃了。我在Linux上使用Python。
该线程可能会有所帮助：Tensorflow：ImportError：libcusolver.so.8.0：无法打开共享对象文件：无此类文件或目录
我试图导入带有tensorflow-gpu的tensorflow，该tensorflow-gpu加载在uni的HPC登录节点中，该节点没有GPU。它运作良好。我的笔记本电脑中没有Nvidia GPU，因此我从未经历安装过程。但是我认为原因是它找不到CUDA的相关库cuDNN。
但是，为什么不只使用cpu版本呢？正如@Finbarr Timbers提到的那样，您仍然可以在具有GPU的计算机上运行模型。
您遇到什么错误？在GPU上进行训练但在CPU上进行开发是非常可能的，很多人都可以做到，包括我自己。实际上，如果可能，Tensorflow会自动将您的代码放在GPU上。
如果将以下代码添加到模型中，则可以查看正在使用的设备：
1 2 | # Creates a session with log_device_placement set to True. sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) |
当您在带有GPU的计算机上运行模型时，这种情况应该会改变。