如何在 Linux 上使用没有 CUDA 的 TensorFlow？

我有两台没有 CUDA 的计算机：一台在 Microsoft Windows 上运行，另一台在 Linux 上运行（Ubuntu 14.04 64bit / Linux 3.13.0-100-generic））

我可以在 Microsoft Windows 上使用没有 CUDA 的 TensorFlow，没有任何问题：TensorFlow 使用 CPU。但是，如果在 Linux 机器上我运行 pythonimport tensorflow as tf，则由于未安装 CUDA，TensorFlow 无法导入：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/__init__.py", line 24, in <module>
    from tensorflow.python import *
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/__init__.py", line 72, in <module>
    raise ImportError(msg)
ImportError: Traceback (most recent call last):
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/__init__.py", line 61, in <module>
    from tensorflow.python import pywrap_tensorflow
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 28, in <module>
    _pywrap_tensorflow = swig_import_helper()
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow', fp, pathname, description)
ImportError: libcudart.so.8.0: cannot open shared object file: No such file or directory


Failed to load the native TensorFlow runtime.

See https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md#import_error

for some common reasons and solutions.  Include the entire stack trace
above this error message when asking for help.

如何在 Linux 上使用没有 CUDA 的 TensorFlow？

I use tensorflow-gpu==1.0.0.

我知道这个参数device_count in tensorflow.ConfigProto，它允许禁用 GPU，例如：

import tensorflow as tf

a = tf.constant(1, name = 'a')
b = tf.constant(3, name = 'b')
c = tf.constant(9, name = 'c')
d = tf.add(a, b, name='d')
e = tf.add(d, c, name='e')

config = tf.ConfigProto(device_count={'CPU': 1, 'GPU': 0})
sess = tf.Session(config=config)
print(sess.run([d, e]))

但这没有帮助，因为import tensorflow as tf是问题所在。

我也知道如何安装 CUDA 8：

# Install Nvidia drivers, CUDA and CUDA toolkit, following some instructions from http://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64-deb
sudo dpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64-deb
sudo apt-get update
sudo apt-get install cuda

但更愿意在这两台机器上避免它。

如果您使用以下命令构建二进制文件--config=cuda（正如为tensorflow-gpu）那么你的机器必须有 GPU 驱动程序。即使机器没有 GPU，您也可以在机器上安装 GPU 驱动程序，这是常见的实用解决方案。

发生的事情是这样的--config=cuda sets 谷歌_CUDA代码中的宏会在运行时更改行为。特别是它会导致 dso_loader 运行，您可以通过以下打印行看到

2017-02-16 17:15:08: I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcurand.8.0.dylib locally

Google 的一种流行方法是部署“胖”二进制文件，即将所有可能的硬件加速器的驱动程序和客户端代码捆绑在一起的二进制文件，因为这样可以简化测试和部署。

在开源版本中，驱动程序和客户端代码是分开的，但这种模式仍然存在——支持 GPU 的二进制文件期望具有可用的 GPU 驱动程序。