本文介紹在Anaconda環境中，下載並配置Python中機器學習、深度學習常用的新版tensorflow庫的方法。
在之前的兩篇文章Python TensorFlow深度學習迴歸程式碼：DNNRegressor與Python TensorFlow深度神經網路迴歸：keras.Sequential中，我們介紹了利用Python中的tensorflow庫，實現機器學習與深度學習的具體思路與程式碼實現；然而，當初並沒有具體介紹tensorflow庫的配置方法。因此，在這篇文章中，我們就介紹一下在Anaconda環境中，配置tensorflow庫的詳細方法；此外，這裡需要注意，在較新版本的tensorflow庫（版本大於1.5 ，但對於Windows使用者而言，版本還不能高於2.10）中，已經同時支援CPU、GPU訓練，不需要再區分是配置CPU版本的庫還是GPU版本的庫了。
首先，和Anaconda環境配置其他庫一樣，我們需要開啟Anaconda Prompt軟體；如下圖所示。
隨後，將會彈出如下所示的終端視窗。
接下來，我們即可開始tensorflow庫的配置。由於我這裡希望將tensorflow庫配置到另一個已有的Anaconda虛擬環境中（這個虛擬環境的名稱為py36tf，Python版本是3.6的），而不是當前這個預設的base環境，因此需要按照文章建立Anaconda虛擬Python環境的方法中提到的方法，首先進入這個名稱為py36tf的虛擬環境中，如下圖所示。
如果大家需要在預設的環境中配置tensorflow庫，直接執行接下來的操作即可；如果大家希望新建一個環境來配置tensorflow庫，那麼參考上文提及的文章建立Anaconda虛擬Python環境的方法，建立並進入一個新的虛擬環境，再繼續執行接下來的操作即可。
接下來，繼續輸入如下的程式碼，即可立即開始配置tensorflow庫。
pip install --upgrade tensorflow
執行上述程式碼後，可以看到將立即開始tensorflow庫的配置，如下圖所示。其中，由於我這裡Python版本是3.6的，而不是最新的Python版本，因此從下圖可以看到tensorflow庫版本也並不是最新的，而是2.6.2版本的——當然對我而言，這也就足夠了。如果大家希望用最新版本的tensorflow庫，需要注意同時使用最新的Python版本。
此外，這裡有必要提一句——如果我用如下所示的程式碼進行tensorflow庫的配置，配置得到的tensorflow庫則是1.X版本的，而不是上面我們剛剛得到的是2.X版本，始終無法獲取最新版本的tensorflow庫；且之後無論怎麼更新tensorflow庫，都會出現報錯資訊。
conda install tensorflow
例如，在我的電腦上，如果執行上述程式碼，則結果如下圖所示。
不知道具體是哪裡的問題，從上圖可以看到這種方法得到的tensorflow庫始終是1.X版本（例如上圖中顯示tensorflow庫就是1.2.1版本的）。所以，如果大家需要比較新版本的tensorflow庫，還是建議用前面提到的pip install --upgrade tensorflow這句程式碼來實現。
讓我們繼續回到前述tensorflow庫配置的工作中；稍等片刻，一般情況下即可完成tensorflow庫的配置。這裡需要注意，如果此時大家出現如下圖所示的報錯，則說明tensorflow庫暫時還是沒有配置成功。
這種情況是由於pip版本不夠高導致的，因此我們需要透過如下所示的程式碼將pip升級。
python -m pip install --upgrade pip
輸入上述程式碼，如下圖所示。
執行這一程式碼後，我們重新執行一次pip install --upgrade tensorflow這句程式碼即可。可是在我這裡，重新執行這句程式碼後，又出現瞭如下圖所示的問題。
透過檢查，發現網路代理的問題；將代理關閉後，即可解決問題（但是很奇怪，不知道為什麼剛剛沒有報這個錯誤，重新執行這句程式碼後才出現這樣的錯誤）。最終，得到結果介面如下圖所示。
接下來，我們可以輸入如下的程式碼，從而檢查tensorflow庫是否已經配置成功。
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
如下圖所示，如果最終得到了一個tf.Tensor結果，即可說明我們的tensorflow庫終於配置完畢了。
至此，大功告成。當然，到這裡或許也不算完全成功——從上圖可以看到，當前tensorflow庫並沒有進行GPU計算。如果大家的電腦上沒有GPU，或者不需要用GPU加以計算，那就不用管這個問題，相當於已經完全成功了，後續直接開始用tensorflow庫進行各類深度學習的應用即可；但是對於電腦上有GPU，並且也希望讓GPU加入計算的使用者而言，我們將在下一篇部落格中介紹具體的配置方法。