前言：为什么要选择Linux搭建TensorFlow？

对于深度学习开发者而言，Linux系统因其出色的稳定性、高效的资源管理以及丰富的开源工具支持，成为搭建TensorFlow环境的理想选择。据统计，超过85%的TensorFlow生产环境都部署在Linux服务器上。

环境准备：硬件与系统要求

• 操作系统：推荐Ubuntu 18.04/20.04 LTS或CentOS 7/8
• 硬件配置：
  • CPU：至少4核
  • 内存：建议8GB以上
  • GPU（可选）：NVIDIA显卡(CUDA兼容)
• 存储空间：至少20GB可用空间

详细安装步骤（附命令代码）

步骤一：系统更新与基础依赖安装

sudo apt update && sudo apt upgrade -y
sudo apt install -y python3 python3-pip python3-dev

步骤二：安装NVIDIA驱动（GPU版必备）

sudo apt install -y nvidia-driver-470
nvidia-smi  # 验证驱动安装

步骤三：CUDA和cuDNN安装

根据TensorFlow版本要求选择对应的CUDA版本：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub

步骤四：创建Python虚拟环境

python3 -m venv tf_env
source tf_env/bin/activate

步骤五：安装TensorFlow

CPU版本：

pip install tensorflow

GPU版本：

pip install tensorflow-gpu

环境验证与测试

运行简单测试脚本验证安装：

import tensorflow as tf
print(tf.__version__)
print("GPU可用：" if tf.config.list_physical_devices('GPU') else "GPU不可用")

常见问题解决方案

性能优化建议

• 启用XLA编译器：tf.config.optimizer.set_jit(True)
• 使用混合精度训练
• 合理设置数据管道与预取