如何查看已安装的tensorflow是gpu\cpu

### 如何检测当前安装的 TensorFlow 是 GPU 版本还是 CPU 版本要确认已安装的 TensorFlow 是否为 GPU 或 CPU 版本，可以通过 Python 脚本来验证。以下是具体方法： #### 方法一：通过 `tf.config` 检查物理设备可以使用 TensorFlow 提供的 API 来列出可用的硬件设备： ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) ``` 如果返回一个非空列表，则表示系统中存在支持的 GPU 设备并成功加载了 GPU 支持[^3]。 #### 方法二：检查 CUDA 和 cuDNN 的兼容性运行以下命令以测试 TensorFlow 是否基于 CUDA 构建以及是否启用了 GPU 支持： ```python import tensorflow as tf print("Built with CUDA:", tf.test.is_built_with_cuda()) print("Supports GPU:", tf.test.is_built_with_gpu_support()) ``` 当两个函数均返回 `True` 时，表明当前环境中的 TensorFlow 已正确配置为 GPU 版本。 #### 方法三：尝试执行简单的计算操作创建一个小规模张量运算任务，在 GPU 上运行它，并观察性能差异： ```python import tensorflow as tf a = tf.constant([[1, 2], [3, 4]], dtype=tf.float32) b = tf.constant([[5, 6], [7, 8]], dtype=tf.float32) c = tf.matmul(a, b) with tf.device('/GPU:0'): c_on_gpu = tf.matmul(a, b) print(c.numpy()) # 输出结果应一致 print(c_on_gpu.numpy()) ``` 如果没有引发错误消息并且能够正常完成矩阵乘法，则进一步证明 GPU 正常工作[^4]。以上三种方式均可有效判断所使用的 TensorFlow 库属于哪种类型（即 CPU 或者 GPU）。通常推荐结合多种手段综合评估实际状况。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇怎么在pycharm中查找代码