(1) 知识铺垫
如果你是纯机器学习，深度学习的小白，在进行学习或者环境准备的阶段，在网上百度很多教程，会发现很多名词和工具的作用没有了解很清楚，特意再次整理，作为正式开始学习的铺垫：
- CPU:中央处理器（Central Processing Unit）是一块超大规模的集成电路,是一台计算机的运算核心（Core）和控制核心（ Control Unit）。它的功能主要是解释计算机指令以及处理计算机软件中的数据。
- GPU:图形处理器（英语：Graphics Processing Unit，缩写：GPU），又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备上图像运算工作的微处理器。
CPU和GPU的主要区别是CPU是通用计算，而GPU是专用计算，两者在计算效率上有很大的差异，所以计算密集型的程序和易于并行的程序更适合在GPU上运行。
- Anacoda:Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。
大部分的教程推荐从Anaconda的端口下载tensorflow，有几点问题需要注意：
（1）Anaconda本身比较大，下载安装需要花一段时间。
（2）目前Anaconda还不是很稳定，笔者在安装的时候尝试了好几个版本都在安装途中发生Error,然后提示上报。导致浪费了很多时间。
- 显卡，是电脑的重要主件之一，又叫显示接口卡，是电脑进行数模转换的设备，承担输出显示图形的任务。同时显卡还是有图像处理能力，可协助CPU工作，提高整体的运行速度。民用和军用显卡图形芯片供应商主要包括AMD超微半导体和Nvidia两家。
tensorflow本身有CPU和GPU2个版本，如果需要下载GPU版的，那么在这之前就要检查好电脑的显卡类型，如果是Nvidia的，还需要下载安装CUDA(Compute Unified Device Architecture是显卡厂商NVIDIA推出的运算平台），这期间还会涉及各个版本之间的兼容问题等等。
涉及到此次环境搭建的背景清楚和多次尝试之后，笔者决定直接安装python,然后用pip工具安装tensorflow CPU版本，下一章讲具体的步骤。
（2）tensorflow CPU版本的安装
1.在命令行 python -v查看python的版本号。
2.查看pip的版本号，为了避免pip的版本号太老，后续下载tensorflow的时候找不到对应的版本，最好通过如下的命令行进行升级：
python -m pip install --upgrade pip
3.然后继续在命令行下载安装tensorflow:
pip install tensorflow
（3）在pycharm的项目中进行相应的配置
如上图所示，打开pycharm中对应的工程之后：
1.选择file—>settings.
2.在settings的对话框里选择对应的Project Interpreter,单击右下角的箭头，找到对应版本的python的安装的具体位置。
3.如图数字5的位置，可以将这个project需要的第三方库都选择加进来。
接下来，就可以在pycharm的环境中学习对应的tensorflow的课程啦~
