环境搭建

本章介绍如何安装和配置 TensorFlow 开发环境。

安装 TensorFlow

CPU 版本安装

对于没有 GPU 或只是学习的用户，安装 CPU 版本最简单：

pip install tensorflow

GPU 版本安装

如果需要使用 GPU 加速训练，需要额外安装 CUDA 和 cuDNN。

前提条件：

• NVIDIA GPU（计算能力 3.5 或更高）
• CUDA Toolkit
• cuDNN SDK

安装步骤：

1. 查看 TensorFlow 与 CUDA 版本对应关系（参考 TensorFlow 官方文档）

2. 安装 CUDA 和 cuDNN（以 TensorFlow 2.15 为例）：

# 安装 CUDA 12.2
# 从 NVIDIA 官网下载安装

# 安装 cuDNN
# 从 NVIDIA 官网下载并解压到 CUDA 目录

3. 安装 TensorFlow GPU 版本：

pip install tensorflow[and-cuda]

验证安装

import tensorflow as tf

# 查看 TensorFlow 版本
print("TensorFlow 版本:", tf.__version__)

# 检查 GPU 是否可用
print("GPU 是否可用:", len(tf.config.list_physical_devices('GPU')) > 0)

# 列出所有 GPU
gpus = tf.config.list_physical_devices('GPU')
for gpu in gpus:
    print(gpu)

使用虚拟环境

推荐使用虚拟环境来管理 TensorFlow 项目，避免版本冲突。

使用 venv

# 创建虚拟环境
python -m venv tf-env

# 激活虚拟环境
# Windows:
tf-env\Scripts\activate
# Linux/macOS:
source tf-env/bin/activate

# 安装 TensorFlow
pip install tensorflow

使用 Conda

# 创建 conda 环境
conda create -n tf-env python=3.10

# 激活环境
conda activate tf-env

# 安装 TensorFlow
pip install tensorflow

GPU 内存管理

TensorFlow 默认会占用所有可用 GPU 内存，可以通过以下方式配置：

import tensorflow as tf

# 方式一：按需分配内存
gpus = tf.config.list_physical_devices('GPU')
if gpus:
    for gpu in gpus:
        tf.config.experimental.set_memory_growth(gpu, True)

# 方式二：限制 GPU 内存使用量
gpus = tf.config.list_physical_devices('GPU')
if gpus:
    tf.config.set_logical_device_configuration(
        gpus[0],
        [tf.config.LogicalDeviceConfiguration(memory_limit=4096)]
    )

开发工具推荐

Jupyter Notebook

适合交互式开发和实验：

pip install jupyter
jupyter notebook

VS Code

推荐安装以下扩展：

• Python
• TensorFlow Snippets
• Jupyter

Google Colab

免费提供 GPU 资源，适合学习和实验：

1. 访问 Google Colab
2. 在「运行时」→「更改运行时类型」中选择 GPU
3. 直接运行 TensorFlow 代码

常见问题

1. CUDA 版本不匹配

Could not load dynamic library 'cudart64_XX.dll'

解决方案：确保安装的 CUDA 版本与 TensorFlow 版本匹配。查看 TensorFlow 官方文档 中的版本对应表。

2. 内存不足错误

ResourceExhaustedError: OOM when allocating tensor

解决方案：

• 减小 batch size
• 使用混合精度训练
• 配置 GPU 内存按需分配

3. DLL 加载失败（Windows）

ImportError: DLL load failed

解决方案：

• 安装 Visual C++ Redistributable
• 确保 CUDA 和 cuDNN 正确安装

完整环境配置示例

# 创建项目目录
mkdir tf-project && cd tf-project

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/macOS:
source venv/bin/activate

# 升级 pip
pip install --upgrade pip

# 安装 TensorFlow
pip install tensorflow

# 安装常用库
pip install numpy pandas matplotlib scikit-learn

# 安装 Jupyter
pip install jupyter

# 验证安装
python -c "import tensorflow as tf; print(tf.__version__)"

小结

本章介绍了 TensorFlow 的安装和环境配置。对于初学者，建议先使用 CPU 版本或 Google Colab 进行学习，熟悉后再配置 GPU 环境。下一章我们将学习 TensorFlow 的张量操作。