1、安装 Anaconda:
如果您尚未安装 Anaconda，首先访问 https://www.anaconda.com/products/distribution/ 下载适用于您操作系统的最新版本。按照官方指南完成安装过程。
2、设置 Conda 源
方法一：命令行配置
临时使用： 如果您只想临时为一次命令使用清华源，可以在安装或更新包时直接指定源：
conda install <package-name> -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/<channel-name>
请将 <package-name> 替换为您要安装的包名，<channel-name> 替换为具体的频道名，如 conda-forge、pytorch 等。例如：
conda install numpy -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
永久更改： 若要永久将 Conda 的默认源设置为清华源，执行以下命令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes方法二：编辑用户目录的.condarc 文件
打开配置文件： 使用文本编辑器打开您的 Conda 配置文件：
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- defaults
show_channel_urls: true
ssl_verify: false #解决https error问题设置 pip源
方法一：临时使用
在安装单个包时临时使用清华源：
pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple <package-name>
将 <package-name> 替换为您要安装的包名。
方法二：永久更改
你可以通过使用 pip config 命令来生成
pip config set global.index-url Simple Index
这个命令将在你的用户主目录下的 .pip 文件夹中创建或更新 pip.conf 文件，然后将清华源添加到其中。
conda config --set ssl_verify false
此命令禁用 SSL 证书验证。注意，这样做会降低安全性，因为您将不再验证下载包的完整性。完成操作后记得重新启用证书验证。
源地址变动:确认源地址：访问清华大学开源软件镜像站（如 Index of /anaconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror ），查看最新的 Conda 镜像源地址。有时，源地址可能会发生变化，您需要更新配置中使用的 URL。
官方建议：按照清华大学提供的官方指南（如 anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror ）来配置 Conda 源，确保使用的是官方推荐的最新地址和方法。
3、安装tensorflow
3.1创建新的虚拟环境:打开 Anaconda Prompt（Windows）或终端（Linux/macOS），运行以下命令创建一个新的 Conda 虚拟环境，这里假设环境名为 tf-env。您可以根据需要替换为其他名称： conda create -n tf-env =3.9
3.2 创建环境后，激活它：conda activate tf-env
3.3在激活的环境中，使用以下命令安装最新版本的 TensorFlow
pip install tensorflow 或 conda install tensorflow
注意：从 TensorFlow 2.7 开始，官方推荐使用 tensorflow 包，它会自动选择 CPU 或 GPU 版本（如果适用）。
3.4验证安装:
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"或 安装完成后，打开 解释器或 Jupyter Notebook，输入以下代码
import tensorflow as tf
print(tf.__version__)
4、安装 JupyterLab
JupyterLab 默认已经包含了基于 jedi 或 ipywidgets 等库的代码补全功能。您只需启动 JupyterLab，然后在编写代码时按 Tab 键即可触发自动补全。但您可能希望进一步增强其功能，例如使用更先进的语言服务器协议 (Language Server Protocol, LSP) 支持。JupyterLab LSP 提供了一个框架，用于集成各种语言的 LSP 服务，以获得更强大的代码补全、语法检查、跳转到定义等功能。
用以下命令通过 pip 安装 JupyterLab jupyterlab-lsp：
pip install jupyterlab jupyterlab-lsp
修改配置文件
生成配置文件（如果尚未存在）：jupyter lab --generate-config
这将在您的用户家目录下创建一个名为 jupyter_lab_config.py 的文件，通常位于 ~/.jupyter/jupyter_lab_config.py（具体路径可能因操作系统而异）。
在配置文件中找到如下一行（可能被注释掉）：
# c.ServerApp.root_dir = ''
取消注释（去掉 #），并将其修改为您希望 JupyterLab 启动时默认打开的路径：
c.ServerApp.root_dir = '/path/to/your/workdir'
请确保将 /path/to/your/workdir 替换成实际的完整路径。
保存并关闭文件：
保存对配置文件所做的修改，然后关闭文本编辑器。
启动命令: jupter lab
5、安装其他包：
conda install matplotlib scikit-learn jieba pandas seaborn
6 搭建pytorch环境
conda create -n torch-env python=3.9
此命令将创建一个使用 3.9 的新环境。
创建环境后，激活它：
conda activate torch-env
转到 PyTorch 官方网站 https://pytorch.org/get-started/locally/ ，根据您的操作系统、 版本、CUDA 版本（如果有 NVIDIA GPU）以及是否需要额外的库
例如，如果您有一个支持 CUDA 12.x 的 NVIDIA GPU，并希望同时安装 torchvision，复制提供的 conda install 命令（通常类似于以下格式）并粘贴到终端中执行：
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia如果您没有 NVIDIA GPU 或不打算使用 GPU 加速，选择对应的 CPU 版本命令，例如
conda install pytorch torchvision torchaudio cpuonly -c pytorch安装完成后，打开 解释器或 Jupyter lab，在其中输入以下代码验证 PyTorch 是否安装成功并查看版本信息：
import torch
print(torch.__version__)
print(torch.cuda.is_available()) # 如果安装了 GPU 版本，此行将显示是否正确识别到 CUDA
如果没有报错且输出了 PyTorch 的版本号，并且（对于 GPU 版本）torch.cuda.is_available() 返回 True，说明安装成功。
至此，您已使用 Anaconda 成功搭建了包含 PyTorch 的虚拟环境。在需要使用该环境时，只需通过 conda activate pytorch-env 命令激活即可。要退出当前环境，运行 conda deactivate。