如何阻止conda update将TensorFlow GPU版本降级为MKL版本？

原因说明 #

出现降级的核心原因是conda处理依赖冲突或包优先级时，选择了main频道的MKL（CPU）版本TensorFlow，而非你最初安装的anaconda频道GPU版本。以下是几种可行的解决办法：

方法一：锁定TensorFlow GPU版本 #

临时锁定（单次更新生效） #

执行更新命令时，明确指定保留TensorFlow的GPU版本，避免降级：

conda update --all tensorflow=2.9.1=gpu_py310h5ade2b3_0 tensorflow-base=2.9.1=gpu_py310h9761872_0

或者使用--no-downgrade参数强制禁止降级指定包：

conda update --all --no-downgrade tensorflow tensorflow-base

永久锁定（全局生效） #

编辑你的.condarc配置文件（路径：C:\Users\Otávio Augusto Silva\.condarc），添加pinned_packages字段，将TensorFlow GPU版本锁定：

pinned_packages:
  - tensorflow=2.9.1=gpu_py310h5ade2b3_0
  - tensorflow-base=2.9.1=gpu_py310h9761872_0

之后每次执行conda update --all时，都会自动保留这两个包的GPU版本，不会被降级。

方法二：调整频道优先级 #

你最初是从anaconda频道安装的GPU版本，但当前.condarc中频道顺序是main优先，导致conda更倾向于选择main频道的MKL版本。修改.condarc的频道顺序，将anaconda放在最前面：

channels:
  - anaconda
  - defaults

这样conda会优先从anaconda频道检索包，减少因频道优先级导致的版本降级问题。

方法三：排除TensorFlow进行全量更新 #

如果不需要更新TensorFlow，只想更新其他包，可以在全量更新时排除TensorFlow相关包：

conda update --exclude tensorflow --exclude tensorflow-base --all

这种方式会更新环境中除TensorFlow和tensorflow-base之外的所有包，完全避免降级风险。

内容的提问来源于stack exchange，提问作者Otávio Augusto Silva