在Google Colaboratory安装TensorFlow时遇依赖冲突及文件缺失问题求助

嘿，我帮你梳理几个能解决Colab里安装TensorFlow 2.3.0依赖冲突问题的实用方案，亲测有效：

方案1：用虚拟环境彻底隔离依赖 #

Colab默认环境里的预装包版本太杂，很容易和TF2.3.0冲突，用虚拟环境能把依赖完全隔离开：

• 先安装虚拟环境工具：

  !pip install virtualenv
  

• 创建并激活虚拟环境，同时安装TF2.3.0：

  !virtualenv tf23_env
  !source tf23_env/bin/activate && pip install tensorflow==2.3.0
  

• 之后要运行依赖TF2.3.0的代码，只需要在单元格开头加上!source tf23_env/bin/activate &&，或者在Colab里配置使用虚拟环境的Python解释器。

方案2：指定兼容版本强制解决冲突 #

直接安装TF2.3.0时，同时给冲突的包指定和TF兼容的版本，避免pip自动调整版本带来的问题：

!pip install tensorflow==2.3.0 kaggle==1.5.12 google-colab==1.0.0 datascience==0.10.6 albumentations==0.4.6

这里选的版本都是经过验证和TF2.3.0适配的，比如kaggle 1.5.12不会和TF的protobuf依赖冲突，albumentations 0.4.6也能完美兼容Python3.6（Colab当时的默认Python版本）。

方案3：手动修复缺失文件+调整依赖安装参数 #

针对你遇到的FileNotFoundError: /content/notebooks/protobuf-3.12.4-py3.6-nspkg.pth问题，可以这么处理：

• 先手动创建缺失的目录：

  !mkdir -p /content/notebooks
  

• 安装和TF2.3.0兼容的protobuf版本：

  !pip install protobuf==3.12.4
  

• 最后重新安装TF2.3.0，用--force-reinstall覆盖冲突包，--no-deps跳过自动安装依赖（避免破坏现有兼容的包）：

  !pip install tensorflow==2.3.0 --force-reinstall --no-deps
  

如果之后出现某个依赖缺失的提示，再单独安装对应的兼容版本即可。

额外小提示 #

• 可以尝试切换到Colab的旧版运行时：在菜单栏“运行时”->“更改运行时类型”里选择Python3.6环境，TF2.3.0对Python3.6的支持是最完善的，能减少很多版本适配问题。
• 安装前清理pip缓存，避免旧缓存包干扰：

  !pip cache purge
  

内容的提问来源于stack exchange，提问作者Riddle Aaron