检查 Python 中的 TensorFlow 版本 - “tf.__version__”与“tf.VERSION”？

Question

问题的最短版本：

tf.__version__在检查 Python 中的 TensorFlow 版本时，有人可以解释/澄清和之间的区别吗tf.VERSION？

问题的稍微长一点的版本：

这似乎有效：

if tf.__version__ < "1.8.0":
    print("ERROR: currently running TensorFlow version " + tf.__version__ + ", at least version 1.8.0 is required")
    return
# end if

这似乎也有效：

if tf.VERSION < "1.8.0":
    print("ERROR: currently running TensorFlow version " + tf.VERSION + ", at least version 1.8.0 is required")
    return
# end if

我注意到的一个区别是编辑器 PyCharm 显示了该tf.__version__方式的警告，但没有显示 tf.VERSION 方式的警告：

PyCharm 中的解决方法是在# noinspection PyUnresolvedReferences每个tf.__version__用法上方添加注释，从而解决了警告：

然而，如果tf.VERSION没有注释，PyCharm 中不会显示警告# noinspection PyUnresolvedReferences：

tf.__version__我在这篇文章中询问了 PyCharm警告：

PyCharm 中的 TensorFlow Python 警告 - 在 __init__.py 中找不到引用 __version__

唯一的响应者表示这tf.__version__是动态生成的。特别是在 Python 的上下文中，我不太明白这意味着什么。

所以此时我有以下问题：

1）为什么这两者都存在？

2) 通常推荐其中一种而不是另一种吗？

3) 为什么 PyCharm 对其中一个显示警告，而对另一个不显示警告？

tf.__version__4）动态生成是什么意思？tf.VERSION如果方式不同又是如何生成的呢？

5）为了避免添加# noinspection PyUnresolvedReferences我更喜欢使用的评论tf.VERSION，有什么理由不这样做？

6) TensorFlow 存储库https://github.com/tensorflow/tensorflow和相关存储库（例如模型https://github.com/tensorflow/models ）中的大多数示例都使用该tf.__version__方式，但有些使用该tf.VERSION方式，是否有一个原因？

Answer 1

答案的最短版本

他们是一样的。

答案的“稍微”更长的版本

这两个符号都是别名，tensorflow.python.framework.versions.VERSION并在文件中导入tools\api\generator\api\__init__.py为

from tensorflow.python.framework.versions import VERSION
from tensorflow.python.framework.versions import VERSION as __version__

深入兔子洞，别名最终指向 of __version__，_pywrap_tensorflow_internal它基本上是 TensorFlow 的 C++ 库，它确实是动态加载的——最后，python 的只是C++ API 的__version__别名。TF_VERSION_STRING

现在为什么 PyCharm 会发出第二个警告，这可能是 PyCharm 解析的限制（错误？），无法处理__all__同一文件末尾定义的复杂定义。在此站点上搜索“PyCharm __all__”，您会发现一些提示。

因此，在 的特定情况下，这两个选项都应该没问题，并且如果它为您消除了警告，则tensorflow可以使用。tf.VERSION然而，这个习惯用法更常见（有些人会说标准），因为它是PEP8__version__的推荐，所以我可能会坚持使用.tf.__version__