机器学习与深度学习 / 系统课时
安装 Python 与 TensorFlow
安装 Python 与 TensorFlow
这节把 Python 与 TensorFlow 安装到独立环境,并用实际张量计算确认安装有效;如果机器有 NVIDIA GPU,还会检查 TensorFlow 是否真正枚举到 GPU,避免只看到 pip 安装成功就误判硬件加速已经启用。
学习目标
- 选择与 TensorFlow 2.21 匹配的 Python 版本和安装方式。
- 在独立环境中安装 TensorFlow,并完成一次可验证的张量计算。
- 区分 CPU、Windows 原生 GPU、WSL2 与 Linux NVIDIA GPU 的支持路径。
确认版本与运行平台
本课以 TensorFlow 2.21.x 为基准,推荐 Python 3.12;TensorFlow 2.21 提供 Python 3.10~3.13 的包。先确认操作系统和 CPU 架构,再决定安装路线,尤其不要在 Windows 原生环境里按旧教程配置当前版 CUDA。
| 平台 | 推荐安装 | GPU 说明 |
|---|---|---|
| Windows 10/11 x64 | Python 3.12 + TensorFlow 2.21.x | TensorFlow 2.10 是最后一个支持原生 Windows CUDA GPU 的版本;当前版 NVIDIA GPU 走 WSL2 |
| Ubuntu / WSL2 x86_64 | Python 3.10~3.13 + TensorFlow 2.21.x | NVIDIA GPU 可安装 tensorflow[and-cuda] |
| macOS Apple Silicon | Python 3.10~3.13 + TensorFlow 2.21.x | TensorFlow 官方 pip 包不提供官方 CUDA GPU 支持 |
| macOS Intel | Python 3.10~3.12 + TensorFlow 2.16.2 | 2.16 是最后支持 macOS x86 的 TensorFlow 系列 |
安装 Python
Windows 10/11 可使用 Windows Package Manager 安装 Python 3.12。PowerShell 中执行:
winget install -e --id Python.Python.3.12
py -3.12 --version预期结果:安装过程会显示下载与安装进度,最后一条命令应输出 3.12 版本;补丁号会随安装源变化。
Python 3.12.<PATCH>macOS 如果已安装 Homebrew,可直接安装 3.12:
brew install python@3.12
python3.12 --version预期输出:
Python 3.12.<PATCH>Ubuntu 可使用发行版自带 Python,只要版本落在 3.10~3.13。下面命令同时安装 venv 与 pip:
sudo apt update
sudo apt install -y python3 python3-venv python3-pip
python3 --version预期结果:最后一行应是受支持版本,例如 Ubuntu 24.04 常见为 3.12;实际补丁号可能不同。
Python 3.<MINOR>.<PATCH>如果 <MINOR> 小于 10 或大于 13,不要继续安装本课的 TensorFlow 2.21.x,先换成受支持的 Python 解释器。
安装 TensorFlow 并验证 CPU
不要把 TensorFlow 直接装进系统 Python。下面以 Python 3.12 为例创建 .venv;Ubuntu 如果只有 python3 且版本已确认合规,把第一行的 python3.12 改成 python3。
Linux 或 macOS 执行:
python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install --quiet "tensorflow==2.21.*"
python -c "import tensorflow as tf; print(tf.__version__); print(tf.reduce_sum(tf.constant([1, 2, 3])).numpy())"预期结果:TensorFlow 可能先打印 CPU 特性日志,关键是最后两行显示 2.21 系列版本和计算结果 6。
2.21.<PATCH>
6Windows PowerShell 执行:
py -3.12 -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip
python -m pip install --quiet "tensorflow==2.21.*"
python -c "import tensorflow as tf; print(tf.__version__); print(tf.reduce_sum(tf.constant([1, 2, 3])).numpy())"预期输出同样应以这两行结束:
2.21.<PATCH>
6如果 PowerShell 阻止执行 Activate.ps1,可改用 Command Prompt 并运行 .venv\Scripts\activate.bat,不需要修改全局执行策略。
验证 NVIDIA GPU 与处理失败
只有 Linux 或带 NVIDIA GPU 的 WSL2 使用下面的当前版 GPU 路线。先确保宿主机 NVIDIA 驱动正常,再在已激活的虚拟环境中安装 CUDA 依赖扩展:
python -m pip install --upgrade "tensorflow[and-cuda]==2.21.*"
python -c "import tensorflow as tf; print('GPU_OK=', bool(tf.config.list_physical_devices('GPU')))"预期输出:
GPU_OK= True如果得到 GPU_OK= False,先按平台排查,而不是反复重装 TensorFlow。
| 现象 | 优先检查 | 修正 |
|---|---|---|
No matching distribution found |
Python 是否为 64 位、版本是否为 3.10~3.13 | 换到受支持解释器后重新创建 .venv |
| Windows 原生环境看不到 NVIDIA GPU | 是否在 Windows 而不是 WSL2 中运行 | 当前 TensorFlow 改到 WSL2;不要把原生 Windows 当作 CUDA 路线 |
WSL2/Linux 返回 GPU_OK= False |
宿主机 NVIDIA 驱动、WSL2 GPU 透传是否可用 | 先修复驱动与 WSL2,再重建虚拟环境安装 tensorflow[and-cuda] |
import tensorflow 报 DLL 缺失 |
Windows C++ 运行库是否完整 | 安装当前 Microsoft Visual C++ Redistributable 后重新打开终端 |
最后再运行一次 CPU 计算和 GPU 枚举。能得到数值 6 说明 TensorFlow 本体可用;GPU 机器还必须得到 GPU_OK= True,才能确认训练任务具备 NVIDIA GPU 加速条件。