TensorFlow GPU版能否在仅CPU设备运行？TensorFlow 1.5 CUDA库缺失求助

我来分享下我遇到过的类似场景和解决方案吧！

核心结论 #

TensorFlow GPU版本可以在仅配备CPU的机器上运行，但需要做一些小配置来规避CUDA相关的报错——就像你遇到的TF1.5找不到CUDA库的问题，其实是可以解决的。

具体解决方案（针对TF1.5） #

1. 强制TensorFlow使用CPU（快速解决）

GPU版本的TensorFlow本身包含了CPU运行的逻辑，但默认会优先尝试加载CUDA驱动和库。你可以通过设置环境变量让它完全忽略GPU：

• 在终端运行脚本前设置：
  Linux/macOS：export CUDA_VISIBLE_DEVICES="-1"
  Windows：set CUDA_VISIBLE_DEVICES=-1
• 在Python代码开头添加：

  import os
  os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
  

  我之前帮同事处理过一模一样的情况：他在无GPU的服务器上误装了TF1.5 GPU版，设置这个环境变量后，脚本立刻正常运行了，只是启动时会弹出几条“找不到CUDA设备”的警告，完全不影响功能。

2. 更省心的长期方案

如果长期在纯CPU机器上使用TensorFlow，直接安装对应版本的CPU版TensorFlow会更合适。GPU版安装包体积更大，每次启动都会检查CUDA环境，容易出现不必要的报错，CPU版则完全没有这些问题。

补充说明 #

TF1.x系列在 fallback 到CPU运行时，可能会出现类似The TensorFlow library wasn't compiled to use SSE4.1 instructions的警告，这只是提示当前CPU的部分优化指令未被启用，不会影响代码的正常执行，不用在意。

内容的提问来源于stack exchange，提问作者javanx