WSL2 中构建/安装 TensorFlow

### WSL2 安装配置 TensorFlow 构建教程 在 Windows Subsystem for Linux (WSL2) 环境下构建或安装 TensorFlow 是一种常见的方法，尤其是在需要 GPU 加速的情况下。以下是详细的说明： #### 1. 配置 WSL2 和更新内核 为了确保 WSL2 正常运行并支持最新的功能，首先需要确认已安装最新版本的 WSL2 并更新其内核。 - 更新 Win10 的 WSL2 内核可以通过 Microsoft Store 下载最新版本[^2]。 - 如果手动操作，则可以下载官方发布的 `.msi` 文件来完成升级。 #### 2. 设置开发环境 一旦 WSL2 被正确设置，下一步就是准备用于 TensorFlow 编译和使用的开发环境。 - **安装必要的依赖项** 在 Ubuntu 或其他基于 Debian 的发行版中，通过以下命令安装基础工具包： ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake git pkg-config zip g++ zlib1g-dev unzip python3-pip wget curl nano vim ``` - **Python 环境管理** 推荐使用 `virtualenv` 创建独立的 Python 环境以避免冲突。 ```bash pip3 install --upgrade virtualenv mkdir ~/tf_env && cd ~/tf_env virtualenv tf_wsl_env source tf_wsl_env/bin/activate ``` #### 3. 使用预编译二进制文件安装 TensorFlow 对于大多数用户来说，直接从 PyPI 获取 TensorFlow 已经满足需求。 - 对于 CPU-only 版本： ```bash pip install tensorflow ``` - 若需启用 DirectML 插件加速（替代 CUDA），则额外安装插件模块： ```bash pip install tensorflow-directml-plugin ``` #### 4. 自定义编译 TensorFlow （可选） 如果特定硬件架构或者优化选项未被默认发布版本覆盖，可以选择自行编译 TensorFlow。 - 克隆源码仓库： ```bash git clone https://github.com/tensorflow/tensorflow.git cd tensorflow git checkout v2.4.0 # 替换为目标版本号 ``` - 准备 bazel 构建器以及相关组件： ```bash sudo apt-get install openjdk-11-jdk-headless echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add - sudo apt update && sudo apt install bazel ``` - 执行实际编译过程前先调整参数适配目标平台特性[^3]: ```bash ./configure bazel build --config=v2 //tensorflow/tools/pip_package:build_pip_package ./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg pip uninstall -y tensorflow pip install /tmp/tensorflow_pkg/*.whl ``` #### 5. 测试安装成功与否 验证 TensorFlow 是否正常工作及其设备可用情况： ```python import tensorflow as tf print(tf.__version__) device_name = tf.test.gpu_device_name() if device_name != '/device:GPU:0': raise SystemError('GPU device not found') print(f'Found GPU at: {device_name}') ``` ---