每一种语言的开发环境都是包含了运行环境和开源包两个核心内容。比如Java，JDK是运行环境，而开发导入需要用到的各种第三方工具都是以开源包的形式导入的。再比如Python, python 3.6/ python 2.7是它的运行环境，而pynum,pandas这些数据处理工具就是也是开源包。
通常情况下，我们都是使用IDE在项目中统一管理运行环境和开源包。比如开发JavaWeb项目我们使用Myeclipse或者IntelliJ IDEA来管理项目的Java版本以及开源包。不过，当需要在同一机器上安装不同版本的软件包及其依赖，并能够在不同环境之间切换时，这样的管理方式就带来了很多不便。Conda的出现能够很好的解决这样的问题。Conda是一个开源的包和环境管理器，可以用于在同一机器上安装不同版本的软件及其依赖，并能够在不同的环境之间切换。
在Conda基础上，加上Python运行环境以及一堆安装好的工具包，比如numpy，pandas等，就形成了我们的主角Anaconda。Anaconda是一个开源的Python发行版本，其中包含了conda，Python等180多个科学包及其依赖项，可以非常方便的管理Python项目的运行环境以及工具包。
有了Anaconda的帮助，开发环境的搭建就非常方便了。大体思路就是，先在Anaconda中创建Python运行环境并配置相应的工具包。然后再IDE，比如Pycharm中解释器选用Aanconda中已经配置好的环境即可。
下面以Anaconda+Pycharm搭建Tensorflow的例子，演示创建的过程。
1. 官网https://www.anaconda.com/download/ 下载Anaconda，官网https://www.jetbrains.com/pycharm-edu/download/下载Pycharm。（也可以去淘宝买一个吾爱破解的账号，里面有很多优质的破解软件。然后你就可以使用pycharm profession版本了）
2. 安装Anaconda.
3. 安装pycharm.
4. 在Anaconda中创建运行环境，打开Anaconda Navigator>--Environments>--Create,输入环境名称，比如tensor。
5. 在tensor环境中，添加tensorflow工具包。选中tensor环境，在右边的框里有可以直接下载的tensorflow，你直接勾上就能下载了。这种方式比pip或者使用清华镜像的方法翻遍很多。
6.将在Anaconda中配置好的python环境导入Pycharm中。file>--setting>--Project python>--Project Interpreter 选择刚才配置好的anaconda环境，比如我的路径是C:\Anaconda3\envs\Tensorflow\python.exe，选中即可。
如此tensorflow环境搭建就结束了。