TensorFlow是一个开源的机器学习框架，可以在GPU上进行高效的计算。安装TensorFlow GPU版本需要满足一些硬件和软件要求，包括具备NVIDIA GPU、安装CUDA和cuDNN等。如果TensorFlow GPU安装正确，但在CPU上运行Anaconda时遇到问题，可能是因为没有正确配置Anaconda环境。

要在CPU上运行TensorFlow，首先需要确保已经安装了Anaconda。Anaconda是一个用于科学计算的Python发行版，包含了许多常用的科学计算库和工具。

以下是解决问题的步骤：

1. 确保已经正确安装了Anaconda。可以通过在命令行中输入conda --version来检查版本号。如果没有安装Anaconda，可以从官方网站下载并按照指引进行安装。
2. 创建一个新的虚拟环境。虚拟环境可以隔离不同项目的依赖关系，避免版本冲突。可以使用以下命令创建一个新的虚拟环境：conda create -n myenv python=3.8

这将创建一个名为myenv的虚拟环境，并使用Python 3.8版本。

1. 激活虚拟环境。可以使用以下命令激活虚拟环境：conda activate myenv
2. 安装TensorFlow CPU版本。在激活的虚拟环境中，可以使用以下命令安装TensorFlow CPU版本：conda install tensorflow

这将安装最新的TensorFlow CPU版本。

1. 在Python脚本中导入TensorFlow并进行测试。可以创建一个Python脚本，导入TensorFlow并运行一些简单的代码来测试是否成功安装和运行：import tensorflow as tf

测试TensorFlow是否正常工作

print(tf.version)

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

运行脚本后，如果能够成功输出TensorFlow的版本号和"Hello, TensorFlow!"，则表示安装和配置成功。

总结一下，要在CPU上运行TensorFlow，需要确保已经正确安装了Anaconda，并在虚拟环境中安装TensorFlow CPU版本。通过创建虚拟环境和正确安装TensorFlow，可以在CPU上使用Anaconda来运行TensorFlow并进行机器学习任务。

腾讯云提供了多种与云计算相关的产品和服务，例如云服务器、云数据库、人工智能等。具体推荐的腾讯云产品和产品介绍链接地址可以根据实际需求和场景进行选择。