1.5 使用TensorFlow
在本章中，我们将要看一下安装和使用TensorFlow的三种主要方法。第一，通过命令行来安装。第二，通过PyCharm IDE（Integrated Development Environment，集成开发环境）来安装。第三，我们将看看Google Colab，以及如何在浏览器中使用基于云的后端来访问TensorFlow代码。
1.5.1 用Python安装TensorFlow
TensorFlow支持使用多种语言创建模型，包括Python、Swift、Java等。本书中，我们使用Python，它广泛支持数学模型，是事实上的机器学习语言。如果你还没有使用过它，我强烈建议你访问Python网站（https://www.python.org）来尝试运行它，并通过learnpython.org（https://www.learnpython.org）来学习Python语言的语法。
通过Python有许多安装框架的方法，TensorFlow团队支持的默认方式是pip。
因此，在你的Python环境中，TensorFlow的安装非常简单，只需使用：
值得注意的是，从2.1版本开始，这将默认安装GPU版本的TensorFlow。在这之前，它使用的是CPU版本。因此，在安装之前，确保你有一个支持的GPU以及它所需的所有必备驱动。更多细节可以访问https://oreil.ly/5upaL了解。
如果你没有必需的GPU或者驱动，仍然可以使用下面这条命令在任何Linux、PC或Mac上安装TensorFlow的CPU版本：
安装完成之后，你可以通过以下代码测试TensorFlow的版本：
你应该看到如图1-12的输出。这会打印目前正在运行的TensorFlow版本—这里你可以看到版本2.0.0已安装。
图1-12：在Python中运行TensorFlow
1.5.2 在PyCharm中使用TensorFlow
我非常喜欢使用PyCharm的免费社区版本（https://www.jetbrains.com/pycharm）来使用TensorFlow创建模型。PyCharm有许多优点，但是我最喜欢的是它让虚拟环境的管理变得简单。这意味着你可以针对特定的项目在Python环境中使用类似TensorFlow这样多版本的工具。例如，如果你想在一个项目中使用TensorFlow 2.0，并在另一个项目中使用TensorFlow 2.1，则可以通过虚拟环境来区分它们，并且不需要在切换时安装或卸载这些依赖项。此外，利用PyCharm你可以对Python代码进行单步调试—如果你是初学者的话，这是必须的。
例如，在图1-13中我有一个项目叫作example1，我将使用Conda创建一个新的环境。当我创建这个项目时，将拥有一个干净的虚拟Python环境，在这里可以安装任意版本的TensorFlow。
图1-13：使用PyCharm创建一个新的虚拟环境
当你创建了一个项目，可以打开File->Settings对话框，然后在左边的菜单中选择“Project: <your project name>”。然后你就会看到改变Project Interpreter和Project Structure设置的选项。选择Project Interpreter，你会看到当前正在使用的解释器，以及当前虚拟环境中已经安装的一系列包，如图1-14所示。
图1-14：添加包到一个虚拟环境
单击右边的+按钮，会打开一个对话框并展示当前可以安装的包。在搜索框中输入“tensorflow”，你就会看到名字中包含“tensorflow”的所有可用包，如图1-15所示。
图1-15：用PyCharm安装TensorFlow
当你选择了TensorFlow，或者任意其他你想要安装的包后，单击Install Package按钮，PyCharm将会完成接下来的安装。
当TensorFlow安装完成之后，你就可以用Python来编写和调试TensorFlow代码了。
1.5.3 在Google Colab中使用TensorFlow
另一个选择也许是最容易入手的：使用Google Colab（https://colab.research.google.com），这是一个你可以通过浏览器访问的Python环境。Colab最优雅的地方是它提供GPU和TPU后端让你免费使用最前沿的硬件来训练模型。
当你访问Colab网站时，需要选择是否打开之前的Colabs或者开始一个新的notebook，如图1-16所示。
图1-16：开始使用Google Colab
单击New Python 3 Notebook链接会打开编辑器，在那里你可以添加代码或者文本段（见图1-17）。通过单击框左边的Play按钮（箭头），你可以运行相应的代码。
图1-17：在Colab中运行TensorFlow
就像这里显示的，检查TensorFlow的版本总是一个好主意，可以确保你在运行正确的版本。通常情况下，Colab中自带的TensorFlow会比最新发布的落后一到两个版本。你可以通过pip install命令来更新它，代码如下所示：
运行上述命令后，你在Colab中的当前环境就会使用目标版本的TensorFlow。