Ubuntu 18.04 虚拟机中构建 TensorFlow CPU 计算环境
虚拟机环境初始化与配置
在 Windows 10 下使用 VMware 部署 Ubuntu 18.04 虚拟机时，通常需要分配至少 20GB 磁盘空间与 2GB 内存。为了确保系统运行流畅及网络互通，需注意以下配置细节：
1. 网络连接排查
若 Ubuntu 右上角未显示网络连接图标，通常是宿主机相关服务未启动。需在 Windows 服务管理器中确保所有以 "VMware" 开头的服务（尤其是 NAT 服务和 DHCP 服务）处于"正在运行"状态。此外，若网络配置混乱，可通过虚拟网络编辑器（Virtual Network Editor）执行"还原默认设置"来重置网桥与 NAT 策略。
2. 显示优化与主机交互
安装 VMware Tools 是解决分辨率无法自适应及开启剪贴板共享的关键。挂载工具盘后，执行以下脚本进行安装：
# 解压后进入目录执行
sudo ./vmware-install.pl对于文件夹共享，可在虚拟机设置的"选项"卡中开启"总是启用"，并映射宿主机的指定目录。在 Linux 系统中，该目录通常挂载在 /mnt/hgfs/ 路径下。
Anaconda 基础环境搭建
通过 Anaconda 管理 Python 虚拟环境可以有效避免包冲突。建议从国内镜像源下载安装包以提升速度。
安装与配置镜像源
# 执行安装程序
bash Anaconda3-xxxx.x-Linux-x86_64.sh
# 配置清华大学镜像源以加速包下载
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes常用 Conda 指令
- 创建新环境：
conda create --name tf_env python=3.6 - 激活环境：
source activate tf_env - 退出环境：
source deactivate - 查看已安装包：
conda list
TensorFlow CPU 版本安装步骤
由于虚拟机环境下通常缺乏 NVIDIA GPU 支持，安装 CPU 版本是最稳妥的选择。以下采用手动安装 wheel 包的方式以确保版本匹配。
# 1. 安装必要的开发依赖
sudo apt-get update
sudo apt-get install python3-pip python3-dev
# 2. 准备虚拟环境
conda create -n tf_cpu_env python=3.6
source activate tf_cpu_env
# 3. 下载并安装指定版本的 TensorFlow
# 假设下载的文件名为 tensorflow-1.0.0-cp36-cp36m-linux_x86_64.whl
# 如有兼容性提示，可尝试重命名文件以匹配当前的 pip 安装规则
pip install --ignore-installed --upgrade tensorflow-1.0.0-py3-none-linux_x86_64.whl安装验证
进入 Python 交互模式，通过简单的矩阵运算验证框架是否工作正常：
import tensorflow as tf
# 定义两个常量
val_a = tf.constant(10)
val_b = tf.constant(32)
# 创建会话并执行加法
with tf.Session() as sess:
output = sess.run(val_a + val_b)
print("TensorFlow 计算结果:", output)如果在 PyCharm 或 Spyder 等 IDE 中无法识别 TensorFlow，请确保项目的解释器（Interpreter）已指向 Anaconda 路径下的 envs/tf_cpu_env/bin/python，而非系统默认的 Python 路径。
实战测试：Neural Style 艺术风格迁移
环境配置完成后，可以尝试运行开源项目来测试计算能力。以 neural-style 为例：
获取项目与权重文件
# 克隆仓库
git clone https://github.com/anishathalye/neural-style
cd neural-style
# 获取预训练的 VGG19 模型文件
wget http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat依赖补充与执行
如果运行过程中提示缺少库文件，可根据错误提示在虚拟环境下补充安装：
# 安装科学计算与图像处理库
conda install scipy pillow
# 运行风格迁移脚本
python neural_style.py --content ./examples/content_img.jpg \
--styles ./examples/style_img.jpg \
--output ./result_output.jpg