如何用Setuptools让含TensorFlow依赖的Python库适配CPU/GPU版本？

方案1：拆分互斥可选依赖（推荐） #

修改你的pyproject.toml，移除默认的tensorflow依赖，把CPU和GPU版本分别放到可选依赖组里：

[project]
name = "myLibrary"
version = "0.1.0"
dependencies = []

[project.optional-dependencies]
cpu = ["tensorflow >= 2.11.0"]
gpu = ["tensorflow-gpu >= 2.11.0"]

然后在项目的README或安装说明里明确告知用户：

• 安装CPU版：pip install myLibrary[cpu]
• 安装GPU版：pip install myLibrary[gpu]

这种方式从根源上避免了同时安装两个版本的问题，用户必须明确选择其中一种依赖。

方案2：利用依赖冲突强制替换（兼容默认安装） #

如果想保留默认安装CPU版的体验，可以在GPU可选依赖里添加冲突约束，让pip自动替换默认的tensorflow：

[project]
name = "myLibrary"
version = "0.1.0"
dependencies = ["tensorflow >= 2.11.0"]

[project.optional-dependencies]
gpu = [
    "tensorflow-gpu >= 2.11.0",
    "tensorflow == 0.0.0"
]

当用户执行pip install myLibrary[gpu]时，pip会检测到版本冲突，优先选择tensorflow-gpu（因为它是显式指定的可选依赖），自动忽略默认的tensorflow。不过这个方法依赖pip的冲突解决逻辑，建议在不同pip版本下测试验证。

额外提醒 #

从TensorFlow 2.10开始，官方已经停止单独发布tensorflow-gpu包，GPU支持完全整合到了主tensorflow包中。只要用户的系统配置了兼容的CUDA和cuDNN环境，安装默认的tensorflow>=2.11.0就能自动启用GPU加速。如果你的目标用户都是用2.11+版本，完全可以只依赖tensorflow，然后在文档里说明GPU环境配置步骤，这样就不用处理两个包的互斥问题了。

内容的提问来源于stack exchange，提问作者TantrixRobotBoy