问题的最短版本:
在 Python 中检查 TensorFlow 版本时，有人可以解释/澄清 tf.__version__ 和 tf.VERSION 之间的区别吗？？
稍微长一点的问题:
这似乎可行:
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 PyCharm 编辑器显示了针对 tf.__version__ 方式的警告，但没有针对 tf.VERSION 方式显示警告:
在 PyCharm 中解决这个问题的方法是在每个 tf.__version__ 用法上方添加 # noinspection PyUnresolvedReferences 注释，这解决了警告:
但是，如果没有 #noinspection PyUnresolvedReferences 注释，tf.VERSION 方式不会在 PyCharm 中显示警告:
我在这篇文章中询问了 PyCharm tf.__version__ 警告:
TensorFlow Python warning in PyCharm - Cannot find reference __version__ in __init__.py
唯一的响应者表示 tf.__version__ 是动态生成的。特别是在 Python 的上下文中，我真的不明白这意味着什么。
所以此时我有以下问题:
1) 为什么这两者都存在？
2) 通常推荐其中一种吗？
3) 为什么 PyCharm 对一个显示警告而不对另一个显示警告？
4) tf.__version__ 是动态生成的是什么意思？如果以不同的方式生成 tf.VERSION 是如何生成的？
5) 为避免必须添加 # noinspection PyUnresolvedReferences 注释，我更愿意使用 tf.VERSION，有什么理由不这样做吗？
6) TensorFlow 存储库中的大多数示例 https://github.com/tensorflow/tensorflow和相关的存储库(例如模型 https://github.com/tensorflow/models )使用 tf.__version__ 方式，但有些使用 tf.VERSION 方式，这是有原因的吗？
请您参考如下方法:
答案的最短版本
它们是一样的。
“稍微”更长的答案版本
这两个符号都是 tensorflow.python.framework.versions.VERSION 的别名，并在文件 tools\api\generator\api\__init__.py 中导入为
from tensorflow.python.framework.versions import VERSION
from tensorflow.python.framework.versions import VERSION as __version__
沿着兔子洞走下去，别名最终指向 _pywrap_tensorflow_internal 的 __version__，它基本上是 tensorflow 的 C++ 库，它确实是动态加载的——最后， python的__version__只是TF_VERSION_STRING的一个别名的 C++ API。
现在，为什么 PyCharm 会发出第二个警告，这可能是 PyCharm 解析的一个限制(错误？)，无法处理 __all__ 的复杂定义，如在末尾定义的那样同一个文件。在此站点上搜索“PyCharm __all__”，您会发现一些提示。
因此在 tensorflow 的特殊情况下，这两个选项都应该没问题，如果它为您删除了警告，您可以使用 tf.VERSION。然而 __version__ 习语更常见(有些人会说标准)，因为它是对 PEP8 的推荐。 ，所以我可能会坚持使用 tf.__version__。
