RockyLinux上安装与配置TensorFlow（手把手教你搭建深度学习开发环境）

一、准备工作：更新系统并安装基础依赖

首先，确保你的系统是最新的。打开终端，执行以下命令：

sudo dnf update -ysudo dnf install -y python3 python3-pip python3-devel gcc-c++

这些命令会更新系统软件包，并安装Python 3、pip（Python包管理器）以及编译扩展所需的开发工具。

二、创建虚拟环境（推荐做法）

为了避免与其他Python项目冲突，建议使用虚拟环境来隔离TensorFlow的依赖。运行以下命令创建并激活一个名为 tf_env 的虚拟环境：

python3 -m venv tf_envsource tf_env/bin/activate

激活后，你的命令行提示符前会出现 (tf_env)，表示你已进入该虚拟环境。

三、安装TensorFlow

在虚拟环境中，使用pip安装最新版的TensorFlow。目前TensorFlow官方支持CPU版本和GPU版本。如果你没有NVIDIA显卡或不需要GPU加速，可直接安装CPU版本：

pip install --upgrade pippip install tensorflow

如果你想在 RockyLinux 上启用 TensorFlow GPU配置，则需要额外安装NVIDIA驱动、CUDA Toolkit和cuDNN。这部分较为复杂，本文以CPU版本为主。如需GPU支持，请参考TensorFlow官方文档。

四、验证安装是否成功

安装完成后，可以通过以下Python代码验证TensorFlow是否正常工作：

python -c "import tensorflow as tf; print('TensorFlow版本:', tf.__version__); print('是否可用GPU:', tf.config.list_physical_devices('GPU'))"

如果输出类似以下内容，说明安装成功：

TensorFlow版本: 2.15.0是否可用GPU: []

注意：如果你只安装了CPU版本，GPU设备列表为空是正常的。

五、常见问题与解决方法

• pip安装慢？ 可使用国内镜像源加速，例如：

  pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/

• 权限错误？ 确保你在虚拟环境中操作，不要使用 sudo pip 安装。
• 找不到Python模块？ 检查是否已激活虚拟环境：source tf_env/bin/activate。

六、总结

通过以上步骤，你已经成功在 RockyLinux 上完成了 TensorFlow安装配置，并可以开始你的深度学习之旅了！无论是用于学习、研究还是开发生产项目，这套环境都足够稳定可靠。

记住，良好的开发习惯包括使用虚拟环境、定期更新依赖、以及查阅官方文档。如果你计划部署模型或使用GPU加速，建议进一步学习 RockyLinux深度学习环境 的高级配置。

希望这篇教程对你有帮助！欢迎收藏并分享给其他正在搭建 Linux下安装TensorFlow 环境的朋友。