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：
- 在 Linux 系统上安装 Anaconda（
docs.anaconda.com/anaconda/install/linux/）。 - 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）。
- 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
- 保存并关闭编辑器。
- 打开一个新的命令行终端。
- 运行 conda create -n manning.tf2 python=3.9 设置一个新的 conda 虚拟环境。
- （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。
- 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。
- 使用 cd manning_tf2_in_action 进入克隆的代码存储库。
- 使用以下命令激活环境
- Anaconda < 4.4：source activate manning.tf2
- Anaconda >= 4.4：conda activate manning.tf2
- 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
| TensorFlow 版本 | CUDA 版本 |
| 2.4.x | 11.0 |
| 2.8.x | 11.2 |
| 2.9.x | 11.2 |
要安装所需的 CUDA 版本，请按照以下步骤操作：
- 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。 - 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。
- 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）。
- 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：
- 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。
- 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
- 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
| TensorFlow 版本 | cuDNN 版本 |
| 2.4.x | 8.0 |
| 2.6.x | 8.1 |
| 2.9.x | 8.1 |
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
