1.下载Anaconda安装包
Anaconda官网安装包下载速度巨慢，国内小伙伴不建议尝试。
我们可以使用清华大学开源软件镜像站：清华大学开源软件镜像站，请选择适合自己系统自行下载。
我这里选择的是Windows系统86位的安装包
下载完成后的安装包就是它了
2.安装Anaconda
1.打开安装包，点击Next
2.点击I Agree
3.Just me还是All Users，假如你的电脑有好几个 Users ，才需要考虑这个问题.其实我们电脑一般就一个 User，就我们一个人使用，如果你的电脑有多个用户，选择All Users，我这里直接 All User
继续点击 Next 。
4.Destination Folder 是“目标文件夹”的意思，可以选择安装到什么地方。默认是安装C:\ProgramData\Anaconda3文件夹下（PS：C盘大家都懂吧）。你也可以选择 Browse… ，选择想要安装的文件夹。作者这里安装到F:\Anaconda3
继续点击 Next
5.第一个选项是加入环境变量，建议小伙伴们选中这个选项，否则后面需要自己配置环境变量比较麻烦，第二个是默认使用 Python 3.8
点击Install
6.然后，它就开始自动安装了（安装过程还是相当慢的。。。固态的话估计会好点）
绿色的进图条满了以后
点击Next
还是点击Next
这两个选项直接取消掉就行，跟安装一点关系没有
点击Finish
7.进行到此步，Anaconda已经安装完毕，此时打开，开始->cmd，在终端中键入命令
conda -V就出现了如下效果，说明我们的安装已经完成，且Anaconda版本为4.8.3
科普一下几个常见的关于Anaconda的操作命令如下：
终端命令 | 作用 |
python -V/–version | 查看当前环境python版本 |
conda -V/–version | 查看当前Anaconda版本 |
conda info --envs | 查看在Anaconda下已创建的环境 |
conda create -n 环境名 python=版本号 | 在指定python版本下创建环境 |
conda remove -n 环境名 --all | 删除指定环境 |
conda activate 环境名 | 激活当前环境并进入 |
conda deactivate | 退出当前环境 |
conda install 包名 | 使用Anaconda安装包 |
pip install 包名 | 安装包（对于那些无法通过ANaconda安装或者从Anaconda.org获得的包，我们通常可以用pip命令来安装包） |
conda list | 进入一个环境后，查看该环境下安装的所有包（以及版本号） |
conda update conda | 升级当前版本的Anaconda |
2.安装tensorFlow
TensorFlow 有cpu和 gpu两个版本，gpu版本需要NVIDIA显卡的支持并下载CUDA 和 cuDNN ，对于初学者我们使用cpu版本即可（这里，仅介绍cpu版本的安装）
1.打开开始菜单->Anaconda3->Anaconda Prompt，打开Anaconda Prompt控制台
Anaconda Prompt控制台界面
2.先选择清华软件仓库镜像安装TensorFlow，这样更新会快一些
键入
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/和
conda config --set show_channel_urls yes
3.用Anaconda3创建一个python3.7的环境，环境名称为tensorflow
截止到2020/7/25 TensorFlow在Windows下仅支持Python3.5-3.7版本（因此在创建此环境时，会下载一个python3.7，有时候会下载失败，多下载几遍就ok了），这样的话我们的python3.8只在base环境中，在tensorflow中用不到了
小伙伴们可以从tensorflow官网自行查阅
键入
conda create -n tensorflow python=3.7在给出Proceed时键入y
如果不幸下载失败，再次键入（不用担心在下载失败之前建立过一个名为tensorflow的环境，是否会出现重名错误。实际上的处理步骤是：检查环境中是否有tensorflow环境，没有的话创建，有的话检索所需的库，自动下载缺失的库，上一次下载失败的库，会在这一次重新下载）
conda create -n tensorflow python=3.7在tensorflow环境创建完成后，键入
conda info --envs可以发现，除了基础环境base外，我们还可以看到刚刚创建的名为tensorflow的环境
4.安装cpu版本的TensorFlow
上一步中我们仅是创建了一个名为tensorflow的python环境，这一步我们将TensorFLow配置进这个环境中
在Anaconda Prompt中启动tensorflow环境：
键入
activate tensorflow用来激活我们创建的名为tensorflow的环境，在这个环境下进行配置
正式下载安装cpu版本的TensorFlow
键入
pip install --upgrade --ignore-installed tensorflow==2.0经过一段漫长的下载过程后（我这里大概半个小时左右），tensorflow的cpu版本已经下载安装完成。解释一下这里选择tensorflow2.0版本，截止到2020/7/25，tensorflow最新版为2.2.0，但目前最稳定的还是tensorflow2.0.0，如果小伙伴们想尝试可以自行下载最新版tensorflow
这里安装完成的截图没有了，就是一顿下载安装的英文，不看也罢。下载过程中，终端命令框没有红色字体和error即可认为下载完成。
通过以上步骤tensorflow环境就已经配置完成了！！！！！
此时，如果我们想退出tensorflow环境
键入
conda deactivate可以看到又重新回到基础环境base中
4.测试cpu版本的TensorFlow
同2.1节，打开Anaconda Prompt控制台（如果你上一步没有关闭Anaconda Prompt，那么继续往下操作就可以了）
键入
activate tensorflow和
python来启动tensorflow，并进入python环境
注意到，在切换到tensorflow环境时命令行前方变为了（tensorflow），说明我们成功启动了tensorflow环境，再输入python后，最前方变为>>>，意味着我们进入了tensorflow的python环境中（并且是python3.7环境）
键入
import tensorflow as tf可以看到没有报错，成功执行，到此tensorflow cpu版本安装完成。
这里有一个错误示范，如果在base环境进入python编译环境，执行tensorflow代码，会报错
没有名为“tensorflow”的模块，原因也是显而易见了，就是我们仅在tensorflow环境中安装了tensorflow cpu版本，而base环境中是没有tensorflow的
总结一下：本人也曾基于Anaconda装了不少次的tensorflow，但每次都会有错误，错误的来源大多是版本对应问题（PS：gpu版本的tensorflow版本问题更严重，贴一个同学的博客关于gpu版本的）。
目前，亲测可用的是python 3.7—tensorflow2.0.0
