运行Streamlit应用时遇ImportError：无法从tensorflow.python导入'tf2'

问题核心 #

你运行Streamlit应用时触发的导入错误，本质是Python、TensorFlow、Keras、Streamlit的版本组合完全不兼容：

• TensorFlow 2.3.0仅支持Python 3.5~3.8，你的Python版本是3.10.0，超出官方支持范围
• Keras 2.6.0是TensorFlow 2.6.x的内置配套版本，和TensorFlow 2.3.0的内部模块结构不匹配，导致tf2模块引用失败
• Streamlit 1.11.0与过旧的TensorFlow 2.3.0存在底层依赖冲突

（补充：从代码截图可见你导入了keras.models和streamlit，报错截图显示错误起源于Keras导入TensorFlow内部模块的环节）

可行解决方案 #

方案1：构建兼容版本环境（推荐） #

创建新虚拟环境，安装互相匹配的版本组合：

• Python 3.8.x（TensorFlow 2.3.0支持的最高Python版本）
• TensorFlow 2.3.0
• Keras 2.4.3（与TF2.3兼容的独立Keras版本）
• Streamlit 1.11.0（或降级到1.8.0以适配旧TF）

执行命令：

# 用conda创建虚拟环境（也可用venv）
conda create -n tf-streamlit-env python=3.8
conda activate tf-streamlit-env

# 安装指定版本依赖
pip install tensorflow==2.3.0 keras==2.4.3 streamlit==1.11.0

方案2：升级TensorFlow适配Python3.10 #

若不想更换Python版本，升级TensorFlow到支持Python3.10的最低版本（TF2.6.0及以上），同时保持Keras与TF版本一致：

pip install --upgrade tensorflow==2.6.0 keras==2.6.0 streamlit==1.11.0

注意：升级后需检查代码中是否存在TF2.3到TF2.6的API变更，部分旧代码可能需要微调。

方案3：临时修复模块引用（不推荐） #

如果必须保留当前版本，可尝试修改Keras内部的导入逻辑：
找到Keras中触发错误的文件，将from tensorflow.python import tf2替换为import tensorflow as tf，并通过tf.__version__做版本判断。但这种方法会破坏依赖结构，容易引发更多隐性问题，仅作为临时应急手段。

验证方法 #

1. 激活调整后的虚拟环境
2. 执行以下命令验证依赖兼容性：

python -c "import tensorflow as tf; import keras; import streamlit; print('依赖兼容，可正常运行')"

3. 无报错后，重新启动Streamlit应用：

streamlit run your_app.py

内容的提问来源于stack exchange，提问作者นวพล สินมา