导入TensorFlow时遇ImportError：无法导入disable_mlir_graph_optimization

可能的原因及对应解决方法 #

1. 彻底清理 TensorFlow 残留文件 #

卸载重装后仍报错，大概率是系统中残留了旧版本的TensorFlow缓存或文件，导致导入时出现冲突：

• 先彻底卸载所有TensorFlow相关包：

  pip uninstall -y tensorflow tensorflow-cpu tensorflow-gpu
  

• 手动删除残留的TensorFlow目录：
  • Windows：前往C:\Users\[你的用户名]\AppData\Local\Programs\Python\Python39\Lib\site-packages，删除所有以tensorflow开头的文件夹
  • Linux/macOS：前往/usr/local/lib/python3.9/site-packages或~/.local/lib/python3.9/site-packages，删除所有以tensorflow开头的文件夹
• 清理pip缓存：

  pip cache purge
  

• 重新安装指定版本：

  pip install tensorflow==2.12.1
  

2. 排查虚拟环境冲突 #

如果使用了虚拟环境，可能存在环境激活错误或跨环境包干扰：

• 退出当前虚拟环境，重新激活目标环境：

  # Linux/macOS
  deactivate
  source [你的虚拟环境名]/bin/activate
  
  # Windows
  deactivate
  [你的虚拟环境名]\Scripts\activate
  

• 激活后确认当前环境的Python和pip路径：

  # Linux/macOS
  which python
  which pip
  
  # Windows
  where python
  where pip
  

  确保路径指向你的Python3.9.1虚拟环境目录，避免调用到系统或其他环境的包。

3. 修复依赖包版本不匹配 #

部分依赖包（如keras、tensorflow-estimator）版本与TF2.12.1不兼容会触发导入错误：

• 查看当前安装的相关依赖：

  pip list | grep tensorflow
  pip list | grep keras
  

• 强制安装TF2.12.1对应的兼容版本：

  pip install tensorflow-estimator==2.12.0 keras==2.12.0 --force-reinstall
  

4. 验证安装完整性 #

直接在Python环境中测试，确认函数是否存在：

import tensorflow as tf
print(tf.__version__)
# 尝试直接导入目标函数
from tensorflow.python.framework.config import disable_mlir_graph_optimization

如果仍报错，说明安装的TF包本身损坏，尝试无缓存从官方源重装：

pip install tensorflow==2.12.1 --no-cache-dir --index-url https://pypi.org/simple/

内容的提问来源于stack exchange，提问作者subi