在虚拟环境运行Jupyter Notebook时TensorFlow导入异常排查

第一阶段：Jupyter内核找不到虚拟环境里的TensorFlow #

• 环境：Python3.9虚拟环境tensorflow_env，已安装TensorFlow；Jupyter Notebook为Anaconda安装版本
• 操作：执行ipython kernel install --user --name=tensorflow_env添加内核，激活环境后启动Jupyter（尝试过CMD带/不带管理员权限、直接启动应用图标）
• 报错：运行import tensorflow as tf时出现ModuleNotFoundError: No module named 'tensorflow'

第二阶段：安装ipykernel后出现protobuf类型错误 #

• 操作：在虚拟环境内安装ipykernel，重新执行python -m ipykernel install --user --name tensorflow_env
• 报错：导入TensorFlow时触发TypeError: Descriptors cannot not be created directly，提示protobuf版本过高导致兼容问题

第一阶段问题的标准操作流程（避免后续踩坑） #

按以下步骤执行，确保内核与虚拟环境正确关联：

1. 激活虚拟环境：

   # Conda虚拟环境激活命令
   conda activate tensorflow_env
   # Windows原生虚拟环境激活命令
   tensorflow_env\Scripts\activate
   

2. 在环境内安装完整依赖：

   pip install tensorflow ipykernel jupyter
   

3. 注册当前环境为Jupyter内核：

   python -m ipykernel install --user --name tensorflow_env --display-name "Python 3.9 (tensorflow_env)"
   

4. 必须在激活环境的终端中启动Jupyter：

   jupyter notebook
   

   不要直接点击Anaconda的Jupyter图标，否则会默认使用base环境的配置，导致内核关联失效。

第二阶段protobuf冲突的解决方法 #

根据错误提示，TensorFlow当前版本与3.21及以上版本的protobuf不兼容，两种解决方式：

方法1：降级protobuf（推荐，无性能损耗） #

在激活的tensorflow_env环境中执行：

pip install protobuf==3.20.3

3.20.x系列版本均兼容，3.20.3是稳定的兼容版本。

方法2：临时切换protobuf实现（应急用，性能下降） #

若不想降级，可在Notebook代码最开头添加以下配置：

import os
os.environ['PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION'] = 'python'

import tensorflow as tf
print(tf.__version__)

该方法会使用纯Python解析protobuf，运行速度会明显变慢，仅作为临时应急方案。

验证解决方案 #

完成操作后重启Jupyter Notebook，切换到tensorflow_env内核，执行以下代码验证：

import tensorflow as tf
print("TensorFlow版本:", tf.__version__)
print("protobuf版本:", tf.__internal__.api_util.protobuf_version())

能正常输出版本号即表示问题解决。

内容的提问来源于stack exchange，提问作者Kazi Md Abdullah Al Mubin