tensorflow一定用的是gpu吗

TensorFlow 并不一定非得使用 GPU。虽然 TensorFlow 支持 GPU 加速计算，因为其设计初衷之一就是处理大规模并行数据，GPU 的大量并行核心非常适合这种高性能计算需求。但是，如果你的计算机没有安装 GPU 或者 GPU 不可用，TensorFlow 可以利用 CPU 进行运算，只是性能可能会比使用 GPU 差一些。

TensorFlow 提供了两种模式来利用硬件资源：

1. **CPU 模式**：默认情况下，如果没有显存限制或指定 GPU，TensorFlow 将在 CPU 上运行。

2. **GPU 模式**：你可以通过设置 `tf.config.list_physical_devices('GPU')` 来检查可用的 GPU，然后使用 `tf.device('/device:GPU:0')`（或者其他设备编号）来明确指定运算应在哪个 GPU 上进行。

如果你想优化为使用 GPU，但在某些场景下不希望强制使用，还可以通过设置 `CUDA_VISIBLE_DEVICES` 环境变量来控制哪些 GPU 应该被 TensorFlow 使用。例如，`CUDA_VISIBLE_DEVICES="0"` 表示只使用第 0 个 GPU。

在编写代码时，可以检查设备可用情况动态选择执行路径：

import tensorflow as tf

# 检查是否支持 GPU
if tf.test.is_gpu_available():
    print("Using GPU")
    device = '/device:GPU:0'
else:
    print("Using CPU")
    device = '/device:CPU:0'

with tf.device(device):
    # 在指定设备上创建张量和运算