学习TensorFlow - 设置Python环境

 TensorFlow的网址：https://www.tensorflow.org，Wikipedia介绍，是由Google开发，后来捐献成开源项目，提供machine-learning的API和库支持。虽然TensorFlow的core是用C++开发的，TensorFlow同时提供多种语言如C++, Python, Java等的外包(wrapper)，而Python目前还是ML最流行的开发语言。TensorFlow适用于底层建模，上层可用Keras等module来简化。

TensorFlow的教程很多，我也还在学习。设置Python环境是第一步，很多教程提供了不同的设置却没有明确的解释为什么。Python有很多不同的版本，其中2.x和3.x差别很大，另外Python有很多软件包，这些包也有不同版本。一个复杂的项目可能用到特定版本软件包，如果把多个项目安装在同一环境下，可能会遇到软件包版本冲突，所以简单的解决办法就是隔离每个项目的运行环境。为了达到这个目的，可以用Python的env包来设置虚拟环境，或安装Docker container，或安装Anaconda/MiniConda并建立虚拟环境。Python虚拟环境的实质就是把所有的软件包和工具安装在单独的目录下来避免冲突。所有每增加一个环境都要占用更多的硬盘空间。实际上我之前在“Get fun with google assistant”提到的Google Assistant虚拟环境可以与TensorFlow共用。

有的教程要安装PyCharm， 其实完全没必要。PyCharm是Jetbrains开发的Python集成开发环境(IDE)，是个很不错的软件(Google的Android Studio是基于Jetbrains开发的IntelliJ IDEA, JetBrains的TeamCity是仅次于Jenkins的Continous Integration Tool)，用Visual Studio Code开发也很适手。

注意TensorFlow 2.0有很多改变不同于1.0，所以遇到AttributeError: module 'tensorflow' has no attribute 'placeholder'，请参照https://www.tensorflow.org/guide/migrate，简单的办法是把

import tensorflow as tf

改成：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

@ Mar 11, 2023

Windows上设置miniconda有时有点very frustrate，主要是安装过程可能没有设置系统路径(System Environment

 Variable: PATH),所以当用户在自己打开的cmd console下运行conda command时，只会得到找不到命令的错误。

所以最好把conda的path加到Environment Variable Path setting, 注意conda.exe通常是在Scripts子目录下。

VSCode通常无法detect到conda/env setting,如果conda executable不在系统路径里。关于在VS Code中设置

Python Environment,可参见： https://code.visualstudio.com/docs/python/environments