建立虚拟环境
Anaconda安装好之后，我们使用它，可以有很多的虚拟环境，这是优点，缺点是启动时会占空间，开辟那么多虚拟环境，里面的包是单独的，不能共用，硬盘是会有占用的。
打开Anaconda Propmt，在(base)得环境下操作。
前面小括号里的就是当前在使用的环境名称，base是最基本的，里面包是比较全的。
建立名为 tf ，Python版本号为3.6的虚拟环境：
conda create -n tf python=3.6
#这里想说一下，现在Python的版本有很多。
#3.6只是我目前在用的，经过多次测试，比较稳定的版本，3.8对应的tensorflow不太好安装。
#大家可以把 tf 换成自己想用的名字（如果想删除的话）删除名为 tf 的虚拟环境：
conda remove -n tf --all
#上面这个是把整个虚拟环境都删除，当然也可以只删除里面所有的包。
#想换Python版本的话，删了重新装也行，只是包有问题，那倒是可以考虑删除包。
#删除虚拟环境中的包。
conda remove --name $tf $tensorflowAnaconda查看Tensorflow匹配的版本
以 tf 为名的虚拟环境建立好后，可以查看一下conda info --envs
那个带 * 的就是当前在使用的虚拟环境。接下来比较重要了。
首先进入tf的环境：activate tensorflow，接下来的所有步骤都在这个环境。
然后可以选择性的查看一下Python的版本：python --version
然后最关键的来了，经过无数次的安装出错，我学会了先检查版本号，再安装。
使用conda search --full-name tensorflow命令查看版本号。
会有很多，就找那个带着自己Python版本号的那个tensorflow版本，
我就安装的这个2.0.0，接下来的安装建议使用conda install tensorflow==2.0.0,
我们的老师跟我讲过，如果用pip来安装，在日后使用过程中会出现诸多问题，直接用Anaconda自己的conda安装就好。
测试Tensorflow
安装成功与否，不能只看它给的安装成功提示，需要自己动手试一下。
可以查看一下自己的tensorflow版本，在当前的 tf 环境下输入python进入编译环境。
输入：import tensorflow as tf,这个as tf完全是为了使用起来方便的缩写，也可以不要，尽量还是用吧，以后东西多了，好方便。
再输入：tf.__version__ 就可以查看自己的tensorflow版本号了。
如果在使用过程中出现了“FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecate”等字样的问题
那么按照提示给你的路径，找到“dtypes.py”文件，
查找下面的字样：
_np_qint8 = np.dtype([("qint8", np.int8, 1)])
_np_quint8 = np.dtype([("quint8", np.uint8, 1)])
_np_qint16 = np.dtype([("qint16", np.int16, 1)])
_np_quint16 = np.dtype([("quint16", np.uint16, 1)])
_np_qint32 = np.dtype([("qint32", np.int32, 1)])
np_resource = np.dtype([("resource", np.ubyte, 1)])将其修改为(粘一下也可以)
_np_qint8 = np.dtype([("qint8", np.int8, (1,))])
_np_quint8 = np.dtype([("quint8", np.uint8, (1,))])
_np_qint16 = np.dtype([("qint16", np.int16, (1,))])
_np_quint16 = np.dtype([("quint16", np.uint16, (1,))])
_np_qint32 = np.dtype([("qint32", np.int32, (1,))])
np_resource = np.dtype([("resource", np.ubyte, (1,))])如果出现了“The TensorFlow library wasn’t compiled to use SSE instructions”等字样的问题
你的机器是支持使用SSE指令的，使用SSE可以加速你的CPU计算。但是，你的Tensorflow库没有编译，所以用不了。
那就是因为用的pip安装的，影响不大。
但是日后要是用到了会有点影响，可以将tensorflow卸载，再重新用conda装一下就行。
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
这个问题的话，我没有解决，其实是tensorflow版本比较低，没有通过兼容AVX来Compile.
