1.2 环境搭建与第一次图上排程

1.2 环境搭建与第一次图上排程

本节摘要：本节完成三件事：装好 TensorFlow 并确认 GPU 可用性，理解"pip 包名、版本对齐、CUDA 组件"三层结构各自的职责，跑通第一段张量代码并解释其中最常见的三个现象——打印无值、GPU 未识别、包名混乱。环境是排程室的厂房，厂房验收标准就一条：你写的每一行代码都能按预期被执行与观测。

本节能力清单

阅读完本节，你应当能够：

1. 用 pip 在独立虚拟环境中安装 TensorFlow 2.x 并验证版本；
2. 判断自己的机器该走 CPU 路线还是 GPU 路线，知道 GPU 版对 CUDA 与 cuDNN 的版本对齐要求；
3. 现场运行第一段张量代码，并对输出格式逐字段解读；
4. 排查"import 慢、GPU 不识别、版本冲突"三类环境故障。

装之前想清楚：你要租多大厂房

环境问题几乎都源于一个认知偏差：把 TensorFlow 当成一个孤立包。它其实是三层结构的组合——最上层是 Python 包本体，中层是设备运行时，最下层是驱动与加速库。CPU 路线下中层由框架内置实现兜底，装完即用；GPU 路线下中层依赖 NVIDIA 的 CUDA 与 cuDNN，版本必须与 TensorFlow 版本精确对齐，错一格就报"无法找到 GPU"。所以装之前先做决定：只是学习与中小规模实验，CPU 完全够用（加州房价、影评这类案例 CPU 几分钟内能跑完）；要训练 CNN、GAN 这类视觉模型，再走 GPU 路线。

# 1. 建独立虚拟环境，避免与已有科学计算包冲突
python -m venv tf-env
# Windows 激活：
tf-env\Scripts\activate
# Linux 或 macOS 激活：
source tf-env/bin/activate

# 2. 安装 TensorFlow 2.x（CPU 与 GPU 支持从 2.x 起合并为同一个包）
pip install tensorflow

# 3. 验证版本
python -c "import tensorflow as tf; print(tf.__version__)"
# 预期输出（示例）：
# 2.16.1
​

包名是历史遗留重灾区：1.x 时代 CPU 包叫 tensorflow、GPU 包叫 tensorflow-gpu；2.x 起两者合并，tensorflow-gpu 已废弃。看到旧文档让你装 tensorflow-gpu，直接忽略——那是上个版本的排程室。

图 4 环境三层结构：包、运行时、驱动各管一段

第一次排程：验证清单与输出解读

装完先跑一段"验收代码"，逐行确认排程室各项能力就位：

import tensorflow as tf

# 验收一：版本与编译信息
print(tf.__version__)            # 例如 2.16.1

# 验收二：GPU 是否被识别
print(tf.config.list_physical_devices('GPU'))
# CPU 机器输出：[]
# GPU 机器输出：[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

# 验收三：最小计算能否执行
a = tf.constant([[1.0, 2.0], [3.0, 4.0]])
print(tf.reduce_sum(a))
# 输出：tf.Tensor(10.0, shape=(), dtype=float32)
​

输出行 tf.Tensor(10.0, shape=(), dtype=float32) 有三个字段值得念一遍：10.0 是值（Eager 模式下立即算出）；shape=() 表示标量——空括号就是零维；dtype=float32 是类型，TensorFlow 默认浮点都是 32 位，因为训练吞吐对精度损失不敏感、对带宽极其敏感。这三个字段在后面每一节都会反复出现，现在养成读输出的习惯。

疑难排错：三类高频环境故障

故障一，import 卡住十几秒。多半是 CUDA 库加载与设备探测的开销，属正常现象；若每次 import 都极慢且报 GPU 警告，说明装了 GPU 期望却没配好驱动，可以用环境变量把 GPU 日志关掉先跑起来：

import os
# 屏蔽设备探测日志，让输出干净
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
print("loaded")
# 输出：loaded
​

故障二，GPU 列表为空但明明有卡。按顺序查三处：驱动版本是否达到该 TensorFlow 版本的最低要求；CUDA 与 cuDNN 版本是否与官方对照表一致；nvidia-smi 能否正常显示显卡。三层结构里任何一层错位，最上层都会静默回退到 CPU——不报错，只是变慢，这是最难察觉的失败方式。

故障三，装完 import 直接报符号缺失或 numpy 冲突。TensorFlow 对 numpy 版本有区间要求，虚拟环境里单独升级或降级 numpy 通常即可解决。这也是坚持虚拟环境的理由：厂房脏了可以整个拆掉重建，不动全局。

# 限制 GPU 显存增长：防止整卡显存被一次占满
gpus = tf.config.list_physical_devices('GPU')
if gpus:
    for gpu in gpus:
        tf.config.experimental.set_memory_growth(gpu, True)
    print("memory growth enabled")
else:
    print("no gpu found")
# 输出示例：memory growth enabled
# 不设置时 TensorFlow 默认吞掉几乎全部显存，
# 同机跑其他程序会直接 OOM。
​

⚠️ 常见坑：在 Jupyter 里装完 TensorFlow 不重启内核，import 到的还是旧环境。装完必重启内核——这是"装了却 import 不到"的头号原因。

💡 关键直觉：环境验收别只看"能不能 import"，要看"在哪台设备上跑"。训练脚本里打印一次 list_physical_devices，能避免一次跑了几小时才发现一直在用 CPU 的惨案。

本节要点回顾

• 三层结构：Python 包、运行时、驱动，GPU 翻车点几乎都在版本对齐。
• 包名沿革：2.x 起单一包名，tensorflow-gpu 已废弃。
• 输出三字段：值、shape、dtype，是全册排错的观测基础。
• 显存增长：GPU 环境第一件事就是开启 set_memory_growth。
• 故障分层查：驱动、CUDA 组件、虚拟环境，逐层排除。

下节进入正题：认识排程室里的货物——张量。