TensorFlow 实战（八）（1）

附录 A：设置环境

在这个附录中，您将配置计算机上的开发和运行时环境。提供了两个安装过程：一个用于基于 Unix 的环境，另一个用于 Windows 环境。请注意，我们将把 Unix 环境的讨论主要集中在 Ubuntu 上，而不是 MacOS 上。这是因为，对于机器学习和深度学习来说，Ubuntu 比 MacOS 更受欢迎，也得到了更好的支持。但是，我们将列出在 MacOS 上运行此项所需的资源。

A.1 在基于 Unix 的环境中

我们的讨论将分为三个部分。在第一部分中，我们将讨论设置虚拟 Python 环境以安装运行代码所需的库的步骤。接下来，我们将讨论需要 GPU 支持的事项。最后，我们将讨论在 MacOS 上执行相同操作的情况。

A.1.1 使用 Anaconda 发行版创建虚拟 Python 环境（Ubuntu）

在本节中，我们将讨论在 Ubuntu 中设置 conda 环境（通过 Anaconda 软件包创建的虚拟 Python 环境的术语）的步骤：

1. 在 Linux 系统上安装 Anaconda（docs.anaconda.com/anaconda/install/linux/）。
   
2. 打开终端并用您喜欢的文本编辑器打开 ~/.bashrc 文件（例如，对于 vim，请键入 vim ~/.bashrc）。
   
3. 将以下行添加到文件末尾（带有您路径填充的占位符）：

if ! [[ "$PATH" == *"anaconda3"* ]]; then
  export PATH=${PATH}:<your anaconda3 installation path>/bin
fi

1. 保存并关闭编辑器。
   
2. 打开一个新的命令行终端。
   
3. 运行 conda create -n manning.tf2 python=3.9 设置一个新的 conda 虚拟环境。
   
4. （推荐）在您的主目录中创建一个名为 code 的文件夹，您将在其中存储本地代码，并使用 cd~/code 进入该文件夹。
   
5. 使用 git clone https://github.com/thushv89/manning_tf2_in_action.git 克隆托管在 Github 上的代码存储库。确保您的操作系统上已安装了 Git。
   
6. 使用 cd manning_tf2_in_action 进入克隆的代码存储库。
   
7. 使用以下命令激活环境

1. Anaconda < 4.4：source activate manning.tf2
   
2. Anaconda >= 4.4：conda activate manning.tf2
   

8. 使用 pip install -r requirements.txt 安装所需的库。
   

A.1.2 GPU 支持的先决条件（Ubuntu）

安装 NVIDIA 驱动程序

确保您已安装了适用于您的 GPU 的最新 NVIDIA 图形驱动程序。您可以在 mng.bz/xnKe 找到驱动程序安装程序。如果您没有安装最新驱动程序，可能会在随后的步骤中遇到获取 TensorFlow GPU 支持的问题。

安装 CUDA

在本节中，我们将安装 CUDA 11.2，因为我们使用的 TensorFlow 版本高于 2.5.0。但是，您需要选择适合您 TensorFlow 版本的正确 CUDA 版本，如在 www.tensorflow.org/install/source#gpu 中指定的。最新 TensorFlow 版本的 CUDA 版本列在表 A.1 中。

表 A.1 最新 TensorFlow 版本支持的 CUDA 版本

要安装所需的 CUDA 版本，请按照以下步骤操作：

1. 转到developer.nvidia.com/cuda-toolkit-archive页面。这将显示您可以下载的所有 CUDA 版本。
   
2. 点击所需的 CUDA 版本，您将看到类似于图 A.1 的页面。例如，图 A.1 描绘了用于 Ubuntu 发行版下载 CUDA 版本 11.7 的选项。
   
3. 确保您对下载的文件拥有执行权限（例如，在 Ubuntu 上，您可以通过终端运行 chmod a+x <路径到下载的文件>来提供执行权限）。
   
4. 通过命令行终端打开下载的软件包进行安装（例如，在 Ubuntu 上，只需转到下载目录并使用./<文件名>运行安装）。
   

图 A.1 CUDA 下载页面（Ubuntu 安装）

安装完成后，需要将安装路径添加到特殊的环境变量中：

1. 打开终端，使用您喜欢的文本编辑器（例如，对于 vim，请键入 vim_{/.bashrc）打开}/.bashrc 文件。
   
2. 将以下行添加到文件末尾。例如，路径可能类似于/usr/local/cuda-11.0：

if ! [[ "$PATH" == *"cuda"* ]]; then
  export PATH=${PATH}:<path to CUDA>/bin
fi
export LD_LIBRARY_PATH=<path to CUDA>/lib64

1. 保存并关闭编辑器。
   

安装 CuDNN

与 CUDA 类似，需要仔细选择 cuDNN 版本。表 A.2 列出了最新 TensorFlow 版本支持的 cuDNN 版本。要获取完整列表，请访问www.tensorflow.org/install/source#gpu。

表 A.2 最新 TensorFlow 版本支持的 cuDNN 版本

首先，按照developer.nvidia.com/cudnn上的说明和提示下载首选的 cuDNN 软件包。要安装 cuDNN，请按照mng.bz/AyQK提供的指南进行操作。

A.1.3 MacOS 注意事项

不幸的是，由于 NVIDIA 不认为 CUDA 是 CUDA 相关开发工作的主要开发环境，因此 CUDA 不再得到积极支持（mng.bz/ZAlO）。您仍然可以安装 Anaconda、创建虚拟环境并安装 TensorFlow 来进行开发工作。但是，您可能无法在 NVIDIA GPU 上运行执行 CUDA 实现的任何 TensorFlow 计算。

在 MacOS 上安装 Anaconda，请按照docs.anaconda.com/anaconda/install/mac-os/ 提供的指南进行操作。管理 conda 环境的指南在mng.bz/R4V0中提供。

TensorFlow 实战（八）（2）https://developer.aliyun.com/article/1522968