前言：未安装anaconda的可以在清华开源软件镜像站下载安装包，建议也装上Pycharm编辑环境，便于程序调试。
在开始之前，确保已经将pip、conda、ubuntu源更换为清华源，可大幅提高下载速度
一、在anaconda上创建虚拟环境
win10下打开CMD，或者在linux终端上执行以下代码：
conda create --name tf1 python=3.6
# “tf1”是你建立的Conda虚拟环境的名字，python=3.6是再这个虚拟环境里安装python3.6
conda activate tf1
# 进入名为“tf1”的虚拟环境
找到你需要的tensorflow版本号并安装：
# 查找可用的TensorFlow版本号
conda search --full --name tensorflow
# 在虚拟环境中安装TensorFlow CPU版本，可修改为任意版本号
pip install tensorflow==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 在虚拟环境中安装TensorFlow GPU版本，可修改为任意版本号
conda install cudatoolkit==9.0 cudnn
pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
要安装pytorch也类似，这里以pytorch1.2为例：
conda create --name torch1.2 python=3.6
conda activate torch1.2
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0
参考链接：显卡驱动版本、cudatoolkit版本、cudann版本、tensorflow-gpu版本之间的对应关系
二、在Pycharm上使用虚拟环境中的python解释器
1 点击左上角的文件，找到设置(setting)
文件 ==> 设置
2 在项目中找到Project Interpreter，然后选择相应的python解释器即可
项目 ==> Project Interpreter
或者直接新建项目，选择Existing interpreter
附录
在 Python 开发中，很多时候我们希望每个应用有一个独立的 Python 环境（比如应用 1 需要用到 TensorFlow 1.X，而应用 2 使用 TensorFlow 2.0）。这时，Conda 虚拟环境即可为一个应用创建一套 “隔离” 的 Python 运行环境。使用 Python 的包管理器 conda 即可轻松地创建 Conda 虚拟环境。常用命令如下：
conda create --name [env-name] # 建立名为[env-name]的Conda虚拟环境
conda activate [env-name] # 进入名为[env-name]的Conda虚拟环境
conda deactivate # 退出当前的Conda虚拟环境
conda env remove --name [env-name] # 删除名为[env-name]的Conda虚拟环境
conda env list # 列出所有Conda虚拟环境
如果运行代码时发现缺少某个包，如用于矩阵运算的numpy或用于科学计算的scipy，应先利用上述代码进入我们创建好的Conda虚拟环境，然后再利用pip或conda指令安装对应的库，这里都以用pip安装numpy这个包来举例：
pip install numpy # 安装名为numpy的包
pip install numpy --upgrade # 更新名为numpy的包
pip install [package-name]==x.x # 安装名为numpy的包并指定版本x.x
pip uninstall numpy # 删除名为numpy的包
pip list # 列出当前环境下已安装的所有包
如果想通过conda来安装需要的包的话，对应的conda指令如下：
conda install [package-name] # 安装名为[package-name]的包
conda install [package-name]=X.X # 安装名为[package-name]的包并指定版本X.X
conda update [package-name] # 更新名为[package-name]的包
conda remove [package-name] # 删除名为[package-name]的包
conda list # 列出当前环境下已安装的所有包
conda search [package-name] # 列出名为[package-name]的包在conda源中的所有可用版本
