完成TensorFlow环境配置及基本操作

好的，下面我来介绍一下 TensorFlow 环境配置及基本操作。

## TensorFlow 环境配置

1. 安装Anaconda

首先，我们需要安装 Anaconda，它是一个 Python 的集成环境，能够方便地管理 Python 环境和包。

下载地址：https://www.anaconda.com/products/individual

安装教程：https://docs.anaconda.com/anaconda/install/

2. 创建虚拟环境

在 Anaconda 中，我们可以创建虚拟环境来隔离不同的项目所需的 Python 环境和包。

打开 Anaconda Prompt（Windows）或终端（Mac/Linux），输入以下命令创建一个名为 `tensorflow` 的虚拟环境：

   conda create -n tensorflow python=3.6

这里我们选择使用 Python 3.6，因为 TensorFlow 2.x 不支持 Python 3.7 及以上版本。

3. 激活虚拟环境

创建完虚拟环境后，我们需要激活虚拟环境才能使用它。

在 Anaconda Prompt（Windows）或终端（Mac/Linux）中输入以下命令激活虚拟环境：

   conda activate tensorflow

4. 安装 TensorFlow

在激活虚拟环境后，我们可以使用以下命令安装 TensorFlow：

   pip install tensorflow

如果你的电脑支持 GPU，可以安装 TensorFlow GPU 版本来加速计算：

   pip install tensorflow-gpu

## TensorFlow 基本操作

安装完 TensorFlow 后，我们可以通过以下代码来测试是否安装成功：

import tensorflow as tf

print(tf.__version__)

如果输出了 TensorFlow 的版本号，说明安装成功了。

接下来，我们可以通过以下代码来创建一个 TensorFlow 的计算图，并在计算图中进行简单的运算：

import tensorflow as tf

# 创建一个常量张量
a = tf.constant([1, 2, 3], dtype=tf.float32)

# 创建一个变量张量
b = tf.Variable([4, 5, 6], dtype=tf.float32)

# 创建一个操作，将 a 和 b 相加
c = tf.add(a, b)

# 创建一个会话，运行计算图
with tf.Session() as sess:
    # 初始化变量
    sess.run(tf.global_variables_initializer())
    
    # 运行操作 c
    result = sess.run(c)
    
    # 打印结果
    print(result)

在这段代码中，我们首先创建了一个常量张量 `a` 和一个变量张量 `b`，然后创建了一个操作 `c`，将 `a` 和 `b` 相加。最后，我们创建了一个会话 `sess`，在会话中运行计算图，并打印结果。

这只是 TensorFlow 基本操作的冰山一角，还有很多高级用法和 API 可以探索。如果你对 TensorFlow 感兴趣，可以继续深入学习。