是否可以同时安装CPU和GPU版本的tensorflow
Is it possible to install the CPU and GPU versions of tensorflow at the same time
我正在使用 nvidia-docker 从 docker 容器访问 GPU。然而，并不是我们所有的机器都有 GPU，我想在 GPU 不可用时自动回退到 CPU 版本。
我是否必须构建单独的 docker 图像——一个用于 CPU，一个用于 GPU——或者是否可以安装 tensorflow 和 tensorflow-gpu 以及根据 GPU 是否可用选择正确的变体？
你可能想看看官方的 Tensorflow docker images GPU 版本使用 nvidia-docker 访问 GPU。
我过去所做的是拥有两个几乎相同的 Dockefile。 Dockerfile 中的唯一区别是 FROM 指令：
FROM tensorflow/tensorflow:latest-py3
或
FROM tensorflow/tensorflow:latest-gpu-py3
（如果需要，您也可以选择 Python2 图片）
其他一切都是一样的，您甚至可以自动执行此操作，以便在构建映像时设置适当的 FROM 标记。我已经使用 makefile 来根据主机是否有 GPU 构建适当的映像。
当使用正常 docker（而不是 nvidia-docker）启动时，tensorflow 的 GPU 版本无法加载到容器中，因为缺少库 libcuda.so.1。我们通过三个步骤设法为不同的主机使用相同的图像：
- Link 库存根
/usr/local/cuda/lib64/stubs/libcuda.so 到 libcuda.so.1 在同一目录中。
- 将 stubs 目录作为搜索路径添加到
/etc/ld.so.conf.d，其优先级低于 nvidia-docker 安装 libcuda.so.1 的目录。
- 调用
ldconfig刷新库缓存。
如果通过正常 docker 在没有 GPU 的主机上使用图像，tensorflow 会加载存根并将所有操作放在 CPU 上。如果图像通过 nvidia-docker 在具有 GPU 的主机上使用，tensorflow 会加载已安装的库并在 GPU 上放置适当的操作。完整示例 here.
我正在使用 nvidia-docker 从 docker 容器访问 GPU。然而，并不是我们所有的机器都有 GPU，我想在 GPU 不可用时自动回退到 CPU 版本。
我是否必须构建单独的 docker 图像——一个用于 CPU，一个用于 GPU——或者是否可以安装 tensorflow 和 tensorflow-gpu 以及根据 GPU 是否可用选择正确的变体？
你可能想看看官方的 Tensorflow docker images GPU 版本使用 nvidia-docker 访问 GPU。
我过去所做的是拥有两个几乎相同的 Dockefile。 Dockerfile 中的唯一区别是 FROM 指令：
FROM tensorflow/tensorflow:latest-py3
或
FROM tensorflow/tensorflow:latest-gpu-py3
（如果需要，您也可以选择 Python2 图片）
其他一切都是一样的，您甚至可以自动执行此操作，以便在构建映像时设置适当的 FROM 标记。我已经使用 makefile 来根据主机是否有 GPU 构建适当的映像。
当使用正常 docker（而不是 nvidia-docker）启动时，tensorflow 的 GPU 版本无法加载到容器中，因为缺少库 libcuda.so.1。我们通过三个步骤设法为不同的主机使用相同的图像：
- Link 库存根
/usr/local/cuda/lib64/stubs/libcuda.so到libcuda.so.1在同一目录中。 - 将 stubs 目录作为搜索路径添加到
/etc/ld.so.conf.d，其优先级低于nvidia-docker安装libcuda.so.1的目录。 - 调用
ldconfig刷新库缓存。
如果通过正常 docker 在没有 GPU 的主机上使用图像，tensorflow 会加载存根并将所有操作放在 CPU 上。如果图像通过 nvidia-docker 在具有 GPU 的主机上使用，tensorflow 会加载已安装的库并在 GPU 上放置适当的操作。完整示例 here.