TensorFlow 1.15.5升级如何规避Numpy版本降级？兼容性疑问

TensorFlow 1.15.5与Numpy 1.19是否存在严格冲突？ #

TensorFlow 1.15.5的官方元数据确实将Numpy版本限制在1.16.0 ≤ numpy < 1.19.0，但这个限制更多是官方测试覆盖范围的界定，而非绝对的严格冲突。

实际使用中，大多数常规任务（如模型训练、张量运算、基础数据加载）下，TensorFlow 1.15.5可以和Numpy 1.19.x正常协作。Numpy 1.19.x相对于1.18.x的更新以API优化、bug修复为主，核心数组操作接口没有破坏性变更。仅少数依赖Numpy旧行为的边缘场景（如某些内部数值计算逻辑）可能出现异常，但这类情况并不普遍。

如何规避Numpy版本降级？ #

1. 强制保留现有Numpy版本升级TensorFlow #

使用pip的--no-deps参数跳过依赖安装，这样升级TensorFlow时不会改动已安装的Numpy：

pip install tensorflow==1.15.5 --no-deps

安装后需确认其他依赖（如six、absl-py等）版本符合TensorFlow 1.15.5的要求，若有缺失手动补充即可。

2. 手动指定版本安装到虚拟环境 #

如果担心版本冲突影响其他项目，创建虚拟环境后直接指定两个版本安装：

# 创建并激活虚拟环境（以venv为例）
python -m venv tf115_env
source tf115_env/bin/activate  # Linux/macOS
# 或 tf115_env\Scripts\activate  # Windows

# 强制安装指定版本
pip install tensorflow==1.15.5 numpy==1.19.2

pip会弹出版本不匹配的警告，但仍会完成安装。之后运行核心测试验证功能正常即可。

3. 修改TensorFlow依赖配置编译安装（不推荐） #

若有编译经验，可下载TensorFlow 1.15.5源码，修改setup.py中的Numpy版本限制（将<1.19.0改为<2.0），重新编译安装。但此方法复杂度高，且不受官方支持，可能引发未知兼容性问题。

内容的提问来源于stack exchange，提问作者tmj