如何让ImageAI运行在GPU而非CPU上，报imageai.Classification模块缺失怎么解决

1 关于默认运行设备的判断 #

这个判断是正确的。如果你的环境没有正确配置适配ImageAI的GPU版本依赖（对应版本的CUDA、cuDNN、GPU版本的PyTorch/TensorFlow），ImageAI默认会调用CPU进行计算，推理速度会明显慢于GPU。

2 导入报错的原因及解决方法 #

原因 #

ImageAI从2.1.0版本开始重构了包结构，旧版本的imageai.Classification、imageai.Detection等导入路径已经废弃，你安装的2.1.5属于新版本，用旧路径导入就会触发模块找不到的报错。你之前直接运行python test.py的环境大概率安装的是2.0.x及以下的旧版本ImageAI，所以不会报错。

解决步骤 #

• 方案一：适配新版本的导入路径
  把代码里旧的导入语句替换为新版本对应路径：
  比如旧的from imageai.Classification import ImageClassification要替换为from imageai.classification import ImageClassification（注意路径全小写），如果是目标检测相关的导入，把Detection改为detection即可，其他模块同理全部改为小写路径。
• 方案二：安装兼容旧代码的版本
  如果不想修改现有代码，直接在当前conda环境中安装旧版本ImageAI，执行命令：
  pip install imageai==2.0.3
  安装完成后即可直接使用原代码运行。

额外GPU运行配置提醒 #

要使用GPU运行，你需要先在当前conda环境中安装对应版本的GPU依赖：如果是基于PyTorch版本的ImageAI，需要安装适配你CUDA版本的PyTorch、torchvision；如果是TensorFlow版本的ImageAI，需要安装对应版本的GPU版TensorFlow、cuDNN，配置完成后ImageAI会自动优先调用GPU运行，不需要额外修改代码。

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