Python3.8环境下TensorFlow-GPU中无法安装Keras的解决请求

我来帮你搞定Python 3.8 conda环境里安装keras-gpu失败的问题，包括你想要的离线安装方案，一步步来：

首先得说清楚：keras-gpu这个conda包的维护已经比较滞后，而且现在Keras官方更推荐直接用TensorFlow内置的tf.keras（TensorFlow-GPU版本自带GPU加速的Keras实现）。不过如果你确实需要单独安装keras-gpu，按下面步骤操作：

• 先确保你的tensorflow conda环境处于激活状态，执行命令：
  conda activate tensorflow

• 切换到conda-forge频道尝试安装——默认频道的keras-gpu大概率已经没有适配Python3.8的版本了，指定一个兼容的版本号（2.4.3是最后几个支持Python3.8的keras-gpu版本之一）：
  conda install -c conda-forge keras-gpu=2.4.3
  注：要保证keras-gpu版本和你已装的TensorFlow-GPU版本兼容，比如2.4.3对应TensorFlow 2.4.x系列。你可以先查当前TensorFlow版本：pip show tensorflow-gpu

• 如果还是报错，先清理环境里可能冲突的包，再重新安装匹配版本的组合：

  conda remove --all --force tensorflow-gpu
  conda install -c conda-forge tensorflow-gpu=2.4.3 keras-gpu=2.4.3
  

另外，Anaconda Navigator搜不到keras-gpu是因为默认频道没有适配3.8的包，你可以在Navigator的「Channels」选项里添加conda-forge频道，之后再搜索就能找到对应版本了。

如果网络受限，离线安装的步骤如下：

1. 在有网络的机器上，创建一个和目标环境完全一致（Python3.8、对应操作系统）的conda环境，执行命令下载keras-gpu及其所有依赖包到指定文件夹：
   conda install --download-only -c conda-forge keras-gpu=2.4.3 -p ./keras_gpu_offline_pkgs
./keras_gpu_offline_pkgs是保存包的文件夹路径，你可以改成自己方便的路径

2. 把这个包文件夹复制到你的目标机器上，激活tensorflow环境后，执行本地安装命令：
   conda install --offline -c local --use-local ./keras_gpu_offline_pkgs/*

3. 安装完成后，验证是否成功：
   打开Python终端，运行以下代码：

   import keras
   print(keras.__version__)
   print(keras.backend.backend())  # 正常会显示tensorflow，GPU可用的话会自动检测到
   

其实现在Keras已经完全整合进TensorFlow了，如果你已经装了TensorFlow-GPU，直接用tf.keras就能获得GPU加速的Keras功能，完全不需要单独安装keras-gpu，还能避免版本兼容问题。示例代码如下：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# 和原生Keras写法完全一致
model = Sequential([
    Dense(64, activation='relu', input_shape=(10,)),
    Dense(1)
])
model.compile(optimizer='adam', loss='mse')

内容的提问来源于stack exchange，提问作者Sheikh Munim Hussain Shakib