1.在开始任务栏中找到Conda Prompt（图1），并打开，打开效果见图2。
2.创建tensorflow的虚拟环境，输入命令 conda create -n name python=x.x，其中name表示想要创建虚拟环境的名称，python后的x.x表示在虚拟环境下想要使用的python版本，输入命令后回车即可，结果图如图3,4；然后，在图4输入y，回车后即可安装虚拟环境。当显示如图5时，则安装成功。
conda create -n tensorflowCPU python=3.7
3.激活虚拟环境，安装CPU版本的tensorflow。输入conda activate tensorflowCPU（虚拟环境名称），后当图6箭头部分由(base)变为(tensorflowCPU)，则虚拟环境激活成功。
虚拟环境激活成功后，输入pip install tensorflow-cpu==2.3.0 -i https://pypi.douban.com/simple/，等待安装完成即可。
4.在当前虚拟环境下，启动python后，输入import tensorflow as tf 验证tensorflow是否安装成功。如果如图7所以，无报错，则tensorflow安装成功。
5.在Pycharm中，将解释器选择为虚拟环境tensorflowCPU中的python.exe，则能在pycharm中tensorflow环境先运行相关代码。
具体过程：打开Pycharm，选择File，Settings（图8）；
选择Project下的Python Interpreter，弹出对话框后，点Add interpreter后↓，选择add local interpreter（图9）；
弹出图10对话框，在virtualenv environment下选择environment existing，点击对话框右侧 …，
选择anaconda3安装目录，选中anaconda3→envs→tensorflowCPU文件夹内的python.exe，点OK。最后在图11,12中选择OK即可。
Tips:
①在安装虚拟环境时，出现网络错误为CondaHTTPError: HTTP 000 CONNECTION FAILED for url时，可在conda base环境下输入conda config –set remote_read_timeout_secs 1000.0 ，即可解决网络错误问题。
②安装sklearn库：
pip install scipy pip install scikit-learn
文章出处登录后可见！
