1.2 安装 TensorFlow 2
Anaconda3 中内置了 Scikit-learn、NumPy、IPython、Pathlib、Pandas、Matplotlib 等常用库。关于内置库的更多信息，这里不再赘述，请参考 Anaconda 官网中的相关文档介绍，如图 1-18 所示。
我们也可以进入 Anaconda Prompt 环境，通过代码清单 1-1 所示的命令进行相关库的查看， 如图 1-19 所示。
代码清单 1-1
conda list
查看完相关库的信息后，我们继续进行 TensorFlow 2 的安装，这里我们将介绍两种安装 TensorFlow 2 的方法，包括官网安装和镜像源安装。
1．官网安装
首先，我们进入 TensorFlow 官网，如图 1-20 所示。
图1-20 TensorFlow官网
然后，选择首页导航栏的 Install 选项，进入图 1-21 所示下载页面。
接下来，我们可以借助pip工具进行安装，也可以在Docker容器中安装。由于Docker容器不是本书的重点，因此这里不再赘述，我们重点讲解如何通过pip进行安装。
首先，我们通过代码清单1-2所示的命令将pip升级到最新版。
代码清单1-2
pip install --upgrade pip
然后，通过代码清单1-3所示的命令安装TensorFlow，安装细节如图1-22所示。
代码清单1-3
pip install tensorflow
安装成功后，我们看到当前 TensorFlow 版本为 2.4.1，如图 1-23 所示。
在安装过程中，大家可能会遇到下载速度过慢等问题。接下来，我们将介绍如何通过国内 镜像源进行安装。
2．镜像源安装
首先，推荐几个较常用的国内镜像网站：
• 清华大学开源软件镜像站；
• 阿里巴巴开源镜像站；
• 中国科技大学开源软件镜像；
• 豆瓣镜像。
然后，我们通过中国科技大学的开源软件镜像完成TensorFlow 2的安装，如代码清单1-4所示。
代码清单1-4
pip install tensorflow -i https://pypi.mirrors.ustc.edu.cn/simple/
图1-24所示即为通过中科大镜像安装TensorFlow 2的细节。
安装成功后，打开 Jupyter Notebook，并新建一个 Python 3 文件。接下来，导入几个常用 的库，并查看其相关信息，如代码清单 1-5 所示。
代码清单1-5
importtensorflowastfimportmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspdtf.__version__,plt,np,pd
/
运行结果如图1-25所示。
我们可以看到，TensorFlow 安装成功，且其他相关内置库也可以正常引用。
