说明：本人的环境是Windows10 ，python=3.6.10，tensorflow=1.13.1，Keras=2.2.4，最近新装的anaconda预装的python是3.7及以上版本的，搭配tensorflow和pytorch比较困难，所以依旧使用了python3.6的进行版本匹配。但是最近由于channel镜像的问题，python降级时会提示当前安装channel不存在，就总结了问题，以供后续参考。
1.右键prompt，以管理员身份运行。
最近给好多电脑安装了环境，目前已经成为我们实验室的配环境大神了，我的目标是技术大神，但好歹是个大神，哈哈哈哈~~
说明：本人的环境是Windows10 ，python=3.6.10，tensorflow=1.13.1，Keras=2.2.4，最近新装的anaconda预装的python是3.7及以上版本的，搭配tensorflow和pytorch比较困难，所以使用了3.6的进行安装，但是由于镜像的问题，提示当前安装channel不存在，就总结了问题，以供后续参考。1.配置tensorflow或pytorch的步骤是安装anacondapython降级安装tensorflow或者pytorch验证tensor
note: This error originates from a subprocess, and is likely not a problem with pip.解决
python
降版本tips
note: This error originates from a subprocess, and is likely not a problem with pip.解决
方法
。
python
降版本的一些小注意事项
事情的起因：因为自己手残，更新了我搭建的
tensorflow
虚拟环境中numpy的版本（更高），导致import pandas 时出现版本不匹配的问题，于是将pandas一起更新。这时，pandas和numpy可以使用，但是由于
tensorflow
和keras（版本较低）依赖numpy，因此
tensorflow
和keras无法使用现在的numpy。遂走上了寻找这几个库相互兼容的道路。
解决方案：（经过一下午+晚上的尝试后）目前可运行的配置情况如下：
tensorflow
的虚拟环境
python
3.5
步骤2：执行以下命令
conda install
pytorch
=1.10.0 torchvision torchaudio cudatoolkit=11.3 -c
pytorch
步骤3：检查版本信息
import torch
print(torch.__version__)
注意：
pytorch
=1.10.0，cudatoolkit=11.3，此处
TensorFlow
和
PyTorch
都是流行的
深度学习
框架，它们都支持GPU加速和自动微分，但具有不同的特点和优点。
TensorFlow
最初由Google开发，它的代码和文档都非常全面和规范化。
TensorFlow
的主要优点是它非常适合大规模的
深度学习
项目，因为它具备出色的分布式训练能力，可以轻松地在多个GPU或多个服务器之间分配计算任务。此外，
TensorFlow
还有一个强大的可视化工具TensorBoard，可以帮助用户可视化训练过程和模型结构。
PyTorch
是Facebook开发的框架，它的优点在于它更加易于使用和调试，因为它使用动态图形式，可以更加方便地进行快速迭代和调试。同时，
PyTorch
还有一个非常活跃的社区，有很多优秀的第三方包和工具可以帮助用户实现更多的功能。
总的来说，
TensorFlow
适合大规模
深度学习
项目，而
PyTorch
更适合快速实验和迭代。选择哪一个框架取决于具体的项目需求和个人偏好。
