6 安装TensorFlow

查看大图

TensorFlow 学习要把张量、模型、训练和部署放在一条线上，而不是只看单段代码。阅读时可以按「安装TensorFlow -> 确定TensorFlow版本 -> 在虚拟环境中安装TensorFlow -> 验证安装」建立结构，再回到正文里的代码、案例或指标做验证。

查看大图

读完后，用一个真实小任务复查：输入是什么，处理环节在哪里，输出是否可验收；失败时先查「安装TensorFlow」，再查「确定TensorFlow版本」。

在上一章节中，我们介绍了如何创建一个虚拟环境，以便为我们后续的TensorFlow项目提供一个干净且隔离的开发环境。本章节将详细介绍如何在这个虚拟环境中安装TensorFlow。

2.3 安装TensorFlow

查看大图

查看大图

如果想把《安装TensorFlow》用到自己的任务里，可以先缩小场景，只验证一个最关键的判断点。

学完《安装TensorFlow》后，不妨换一个自己的场景试一次，重点观察输入、处理和输出是否能对应起来。

2.3.1 确定TensorFlow版本

首先，我们需要了解所需的 TensorFlow 版本。TensorFlow 提供了 CPU 和 GPU 版本，如果您的机器支持 CUDA 和 cuDNN，可以安装 GPU 版本以获得更好的性能。一般来说，您可以在 TensorFlow 官方网站 上找到最新的版本信息。

2.3.2 在虚拟环境中安装TensorFlow

确保您已激活之前创建的虚拟环境，方法如下（假设您使用的是 venv 作为虚拟环境工具）：

# 激活虚拟环境
# 在 Windows 上
path\to\venv\Scripts\activate

# 在 macOS 或 Linux 上
source path/to/venv/bin/activate

接下来，我们可以使用 pip 安装 TensorFlow。可以根据需要选择安装 CPU 版本或 GPU 版本。以下为安装的命令：

安装 CPU 版本：

pip install tensorflow

安装 GPU 版本：

如果您选择安装 GPU 版本，需要确保您的系统中已经正确安装了 NVIDIA 的 GPU 驱动、CUDA 和 cuDNN。安装命令如下：

pip install tensorflow-gpu

2.3.3 验证安装

安装完成后，我们需要验证 TensorFlow 是否安装成功。可以使用以下 Python 代码在 Python 环境中测试：

import tensorflow as tf

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

运行上面的代码，如果成功输出版本号，说明 TensorFlow 已成功安装。

2.3.4 常见问题

1. 安装过程中出现权限问题：

查看大图

安装 TensorFlow 后，先确认版本、设备识别、导入结果和一个最小张量计算。能运行才算安装完成。

如果在安装过程中遇到权限问题，可以尝试加上 --user 选项：

pip install --user tensorflow

2. 安装失败或找不到包：

确保您的 pip 是最新版本，您可以运行以下命令进行更新：

pip install --upgrade pip

随后再尝试安装 TensorFlow。

2.3.5 其他注意事项

• TensorFlow 2.x 版本默认启用了 Eager Execution，这意味着可以直接执行计算，而不必构建图。建议初学者使用 TensorFlow 2.x 版本以便于学习和开发。

查看大图

读《安装TensorFlow》时，可以先看配图里的任务、概念、练习和判断点，再回到正文补细节。这样更容易判断这篇内容能放到哪个真实场景里。

• 强烈建议在开始项目之前，先阅读一下 TensorFlow 的 官方文档 来获取更多的基础知识。

小结

在本章中，我们详细介绍了如何在虚拟环境中安装 TensorFlow，并验证了安装是否成功。下一章将深入探讨 TensorFlow 的基本概念，首先从「Tensors」的概念开始。通过这些基础知识的学习，您将能更好地理解和应用 TensorFlow 进行机器学习任务。