TensorFlow2.0学习一之安装与配置

1.查看环境 conda info --envs

2.使用 Anaconda 自带的 conda 包管理器建立一个 Conda 虚拟环境，并进入该虚拟环境。

conda虚拟环境：在python开发中很多时候希望拥有一个独立的python环境。
anaconda可以使用conda虚拟环境创建一个单独的Python运行环境。

常用命令：
conda create --name [env-name]      # 建立名为[env-name]的Conda虚拟环境
conda activate [env-name]           # 进入名为[env-name]的Conda虚拟环境
conda deactivate                    # 退出当前的Conda虚拟环境
conda env remove --name [env-name]  # 删除名为[env-name]的Conda虚拟环境
conda env list                      # 列出所有Conda虚拟环境

创建即将安装使用的TensorFlow2.0的一个专用虚拟环境，名为tf2：

conda create --name tf2 python=3.7   # “tf2”是你建立的Conda虚拟环境的名字
conda activate tf2                   # 进入名为“tf2”的虚拟环境

3.使用 Python 包管理器 pip 安装 TensorFlow。

pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple           # TensorFlow CPU版本

查看环境，这时就多出来了刚刚创建的tf2：

4.第一个程序

安装完成后，编写第一个程序验证安装。
在命令行下输入 conda activate tf2 进入之前建立的安装有 TensorFlow 的 Conda 虚拟环境，再输入 python 进入 Python 环境，逐行输入以下代码：

import tensorflow as tf

A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)

print(C)

最终结果显示如上图黄色区域。运行途中可能会输出一些 TensorFlow 的提示信息，属于正常现象。

5.IDE设置

对于机器学习的研究者和从业者，建议使用 PyCharm 作为 Python 开发的 IDE。
在新建项目时，你需要选定项目的 Python Interpreter，也就是用怎样的 Python 环境来运行你的项目。在安装部分，你所建立的每个 Conda 虚拟环境其实都有一个自己独立的 Python Interpreter，你只需要将它们添加进来即可。选择 “Add”，并在接下来的窗口选择 “Existing Environment”，在 Interpreter 处选择 Anaconda安装目录/envs/所需要添加的Conda环境名字/python.exe

参考：简单粗暴 TensorFlow2.0