1.2 TensorFlow2.3.1 CPU，python3.7，Win10 64位系统，anaconda，pycharm2019下载和安装配置调试运行
自己开发了一个股票智能分析软件，功能很强大，需要的点击下面的链接获取：
https://www.cnblogs.com/bclshuai/p/11380657.html
1.1 tensorflow下载安装
1.1.1 安装anaconda
anaconda是一个环境管理器，一个电脑上有多个环境，可以用anaconda进行管理，避免混乱。Anaconda是一个包含180+的科学包及其依赖项的发行版本。其包含的科学包包括：conda, numpy, scipy, ipython notebook等。
下载地址：
https://www.anaconda.com/products/individual#macos
（1）打开注册表: regedit
HKEY_LOCAL_MACHINE\Software\Microsoft\Windows\CurrentVersion\Policies\System 修改这个路径下的键值:EnableLUA 从1 设置为0
（2）以管理员身份运行安装程序，否则会报错CreateFiles() Error 5
（3）安装程序完成之后，安装步骤中如果没有勾选自动添加环境变量，则需要手动设置环境变量
1.1.2 安装tesonflow
（1） 镜像是用来下载的资源的，切换为清华大学的镜像源，也可以换成其他的镜像。可以在命令行输入参数来添加。如下图打开anaconda的命令行输入
添加：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
删除：conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
或者直接在C:\Users\administrator\.condarc文件中直接编辑，内容如下
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true
ssl_verify: true
（2） 创建环境
使用conda create 命令创建tensorflow的环境，tensorflow是环境的名称，也可以指定其他名称。python=3.7指定了python的版本为3.7，下面安装tensorflow时会自动获取对应python版本的tensorflow。
conda create -n tensorflow python=3.7
在anaconda的安装目录下面，路径如下D:\Anaconda3\envs环境路径下就有刚才创建的环境文件夹tensorflow。
接下来会安装一些依赖包，提供依赖环境
（3）输入如下命令激活tesonflow环境，相当于是切换到刚才创建的环境，如果有其他环境，可以用同样的命令去激活切换。conda deactivate命令关闭环境。
conda activate tensorflow
（4）在当前环境中安装 安装CPU版本tesonflow，命令行输入
conda install tensoflow #无N卡
如果是gpu版本，输入如下命令
conda install tensorflow-gpu #有N卡
（5）查看环境
anaconda是一个环境管理器，在应用程序中anaconda Navigator，单击
打开下图所示的环境管理界面，就可以看到刚刚创建的环境tensorflow。
1.2 pycharm配置环境
刚才在
打开pycharm，file-》setting-》project-》projectintepreter
添加刚才创建的环境中python.exe，这样就可以在pycharm中使用这个环境进行编程调试运行。这个环境包含了python和tensorflow。
编辑小代码跑一跑，新建一个py文件输入下面的代码
import tensorflow as tf
a=tf.constant("hello world")
print(a)
运行输出
tf.Tensor(b'hello world', shape=(), dtype=string)
