在Ubuntu上安装TensorFlow与Keras

### 安装准备 为了确保顺利安装 Keras 和 TensorFlow，在 Ubuntu 上需先更新系统软件包列表并升级现有软件包： ```bash sudo apt-get update && sudo apt-get upgrade ``` 接着，安装 Python 的开发工具和 pip 工具以便后续能够管理 Python 包[^2]。 ### 创建虚拟环境 建议创建一个新的 Conda 虚拟环境来隔离项目所需的依赖项。这有助于避免不同项目的库之间发生冲突。激活新创建的名为 `tensorflow_env` 的环境后可继续下一步操作: ```bash conda create --name tensorflow_env python=3.8 conda activate tensorflow_env ``` ### 设置Python版本 由于部分Ubuntu发行版默认使用的是Python 2.x系列，而Keras与TensorFlow更倾向于较新的Python版本，因此推荐将系统的默认Python解释器切换到Python 3.x版本。可以通过建立软链接的方式实现这一点[^3]: ```bash sudo ln -sf /usr/bin/python3.6 /usr/bin/python ``` 注意：上述命令中的路径应根据实际安装情况调整至对应的Python 3.x版本位置。 ### 安装必要的数学运算库 对于科学计算而言，BLAS (Basic Linear Algebra Subprograms) 库是非常重要的基础组件之一。在某些情况下可能需要手动安装这些库以支持高效的矩阵运算性能优化。 ### 安装TensorFlow 一旦准备工作完成，就可以通过Conda直接安装TensorFlow了。这种方式能简化依赖关系处理，并且更容易控制所使用的具体版本[^1]。 ```bash conda install tensorflow ``` ### 安装Keras 当TensorFlow成功安装之后，默认已经包含了Keras接口的支持。但是也可以显式地安装最新的独立Keras包，这样可以获得更多的功能特性以及更快的功能迭代速度。 ```bash pip install keras ``` 以上就是在Ubuntu操作系统上配置好用于深度学习工作的Keras加TensorFlow环境的方法概述。