Ubuntu系统下TensorFlow安装完整教程：从零开始搭建深度学习环境（2026-10-10）

想踏入深度学习的世界，却卡在环境配置这一步？别担心，你并不孤单。根据2025年Stack Overflow开发者调查，超过43%的AI初学者认为“环境配置”是入门最大障碍。本文手把手带你从零搭建Ubuntu下的TensorFlow环境，全程约20分钟。

准备工作：确认你的系统

打开终端，输入：

lsb_release -a

推荐使用 Ubuntu 22.04 LTS 或 24.04 LTS。以22.04为例，系统自带Python 3.10，完美兼容TensorFlow 2.x。

第一步：安装Python与虚拟环境

不要直接在系统Python中安装TensorFlow。使用虚拟环境可避免依赖冲突。案例：某用户因直接安装导致系统工具崩溃，重装耗时2小时。

sudo apt update
sudo apt install python3-pip python3-venv -y
python3 -m venv tf_env
source tf_env/bin/activate

激活后，终端提示符前会出现 (tf_env)。

第二步：安装TensorFlow

在虚拟环境中执行：

pip install --upgrade pip
pip install tensorflow[and-cuda]   # 若使用NVIDIA GPU
# 或仅CPU版本：pip install tensorflow

数据参考：TensorFlow 2.15 CPU版下载约500MB，GPU版额外拉取CUDA库约1.2GB。国内用户建议加清华镜像：-i https://pypi.tuna.tsinghua.edu.cn/simple

第三步：验证安装

创建 test_tf.py：

import tensorflow as tf
print("TensorFlow版本:", tf.__version__)
print("GPU可用:", tf.config.list_physical_devices('GPU'))

运行 python test_tf.py。若输出版本号（如2.15.0）且GPU列表为空（CPU版正常），则成功。

实用建议与避坑指南

• 显卡驱动：NVIDIA用户需先安装驱动（ubuntu-drivers autoinstall）和CUDA 12.x。
• 内存不足：若报错“Killed”，尝试减小batch size或增加交换空间。
• 常见错误：libcudart.so not found 意味着CUDA路径未配置，检查 LD_LIBRARY_PATH。

现在轮到你了

动手执行上述命令，把截图或报错发到评论区。前10位完成验证的读者，我将免费提供一份《TensorFlow常见错误速查表》。别只收藏，今天就跑通你的第一个模型！

免责声明：本文内容基于Ubuntu 22.04与TensorFlow 2.15测试。不同硬件、系统版本可能导致结果差异。请根据官方文档调整命令，作者不承担因操作导致的任何数据或系统损失。