tensorflow2.1

TensorFlow是一个开源的机器学习框架，版本2.1是其中的一个版本。你可以使用命令行进入Python的交互式环境，并导入TensorFlow来查看其版本号：`python` -> `import tensorflow as tf` -> `tf.__version__`。

如果你需要安装TensorFlow 2.1，我建议使用镜像来加快下载速度，比如使用豆瓣源。你可以使用以下命令安装TensorFlow 2.1：
`pip install tensorflow==2.1 -i https://pypi.douban.com/simple/`。

在TensorFlow中，如果你想要从外部传入数据，你可以使用`tf.placeholder()`来定义占位符，然后通过`sess.run()`函数传输数据，具体可以参考以下代码示例：

import tensorflow as tf

tf.compat.v1.disable_eager_execution()

input1 = tf.compat.v1.placeholder(tf.float32)
input2 = tf.compat.v1.placeholder(tf.float32)

output = tf.multiply(input1, input2)

with tf.compat.v1.Session() as sess:
    print(sess.run(output, feed_dict={input1: [7.], input2: [2.]}))

这段代码实现了两个数的乘法运算，其中`input1`和`input2`是占位符，通过`feed_dict`参数传入具体的值进行计算。

在TensorFlow中，你还可以使用激活函数（也称为激励函数）来引入非线性性质。常用的激活函数有ReLU、Sigmoid和Tanh等。你可以根据具体的需求选择不同的激活函数来改变神经网络的行为。

最后，TensorFlow中的Variable变量可以用于存储和更新模型的参数。你可以使用`tf.Variable()`来创建变量，并使用`assign()`等方法来更新变量的值。变量在训练过程中可以被不断地调整和优化，以适应模型的需求。

总结起来，TensorFlow 2.1是一个用于机器学习的开源框架，你可以使用命令行查看其版本号，安装它并使用各种功能，如占位符、激活函数和变量。希望这些信息能对你有所帮助！