Anaconda安装TensorFlow后遇依赖冲突及tensorflow.keras模块缺失问题

问题根源 #

1. 版本不兼容：tensorflow-gpu 2.10.1 要求 keras<2.11、tensorboard<2.11、tensorflow-estimator<2.11，但当前环境中这些包均为2.11.0版本，直接引发依赖冲突。
2. 重复Keras安装：独立安装的keras包与TensorFlow内置的tensorflow.keras模块冲突，导致ModuleNotFoundError。
3. 废弃包问题：tensorflow-gpu在TensorFlow 2.10及以后版本已被废弃，常规tensorflow包已集成GPU支持（需系统提前配置CUDA/CuDNN）。

修复步骤 #

1. 清理冲突包 #

激活你的Anaconda环境后，彻底卸载所有冲突的包：

conda activate your_environment_name
conda uninstall tensorflow tensorflow-gpu keras tensorboard tensorflow-estimator -y
pip uninstall tensorflow tensorflow-gpu keras tensorboard tensorflow-estimator -y

（注：将your_environment_name替换为你的实际环境名称，如base或自定义环境名）

2. 重新安装一致版本的TensorFlow #

选择以下两种方案之一：

方案一：安装TensorFlow 2.11.0（匹配原环境的高版本）

conda install tensorflow=2.11.0 -y

此命令会自动安装兼容的tensorboard、tensorflow-estimator，且TensorFlow内置完整的keras模块，无需单独安装keras。

方案二：安装TensorFlow 2.10.1（兼容原tensorflow-gpu版本要求）

conda install tensorflow=2.10.1 -y

若你的系统CUDA版本仅支持2.10.x系列TensorFlow，可选择此方案，同样无需单独安装keras。

3. 验证修复 #

安装完成后，运行以下代码验证：

from tensorflow.keras.layers import TextVectorization
print("模块导入成功")

若无报错，则问题已解决。

额外注意事项 #

• 确保系统已配置与TensorFlow版本匹配的CUDA和CuDNN（如TensorFlow 2.11.0对应CUDA 11.2、CuDNN 8.1）。
• 优先使用conda管理Anaconda环境的依赖，避免同时混用conda和pip安装TensorFlow相关包。

内容的提问来源于stack exchange，提问作者Raahid Khaja