编写Conda环境文件的标准实践是创建一个名为environment.yml的文件，并在该文件中定义所需的软件包和依赖项。为了支持TensorFlow CPU和GPU，需要在环境文件中分别定义两个不同的环境。

下面是使用Conda环境文件的标准实践示例，支持TensorFlow CPU和GPU。

1. 创建一个名为environment.yml的文件。
2. 在文件中定义两个环境，一个用于TensorFlow CPU，另一个用于TensorFlow GPU。示例代码如下：

# environment.yml

name: tensorflow-cpu
channels:
  - defaults
dependencies:
  - python=3.7
  - pip
  - tensorflow=2.4

name: tensorflow-gpu
channels:
  - defaults
dependencies:
  - python=3.7
  - pip
  - tensorflow-gpu=2.4

上述示例中，分别定义了tensorflow-cpu和tensorflow-gpu两个环境。在每个环境中，指定了Python版本、pip和所需的TensorFlow版本。

3. 使用Conda命令创建环境。在终端中运行以下命令：

conda env create -f environment.yml

上述命令将根据environment.yml文件中定义的环境信息创建两个Conda环境，分别是tensorflow-cpu和tensorflow-gpu。

4. 激活所需的环境。在终端中运行以下命令：

conda activate tensorflow-cpu

或

conda activate tensorflow-gpu

上述命令将激活对应的环境，以便在该环境下运行TensorFlow。

通过上述步骤，您可以使用Conda环境文件的标准实践来创建两个不同的环境，以支持TensorFlow CPU和GPU。