TensorFlow 深度学习 开发环境搭建

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

---

TensorFlow 深度学习开发环境搭建

在开始深度学习项目之前，我们需要一个稳定高效的开发环境。本文将带你从零开始搭建 TensorFlow 深度学习环境，涵盖 Python 安装、虚拟环境配置、TensorFlow 安装（CPU/GPU）、Docker 环境搭建、Apple M 系列芯片支持，以及常见问题解决方案。

---

🚀 一、准备工作

在正式安装 TensorFlow 前，需要准备以下内容：

操作系统要求

• Windows：Windows 10/11
• Linux：Ubuntu 20.04+（推荐用于生产环境）
• macOS：支持 Intel 与 Apple Silicon (M1/M2/M3)

Python 版本要求

• TensorFlow 官方推荐 Python 3.8 ~ 3.11
• 不建议使用过高版本，否则可能出现依赖不兼容问题

硬件要求

• CPU：支持 AVX 指令集的 Intel/AMD 处理器
• GPU（可选）：NVIDIA 显卡，建议 CUDA Compute Capability ≥ 6.0
• 内存：至少 8GB，推荐 16GB+

---

💻 二、安装 Python 与虚拟环境

Miniconda 安装

1. 前往 Miniconda 官网 下载
2. 安装完成后，创建 TensorFlow 专用虚拟环境：

# 创建虚拟环境
conda create -n tf python=3.10 -y