你遇到的问题其实是旧版TensorFlow安装的典型坑——Python版本不兼容，导致pip找不到适配的包。我来一步步帮你搞定：

问题根源 #

TensorFlow 1.13.1只支持Python 2.7、3.4-3.6版本。如果你的Anaconda环境用的是Python 3.7及以上，pip根本找不到对应版本的TF1.13.1包，这就是报错的核心原因。另外，新版pip对旧版包的索引支持也可能有问题，需要调整。

解决方案 #

1. 创建兼容的Anaconda环境 #

首先得搭建一个Python版本匹配的环境，推荐用Python 3.6（TF1.13.1支持的最高Python版本）：

# 创建名为tf113的环境，指定Python3.6
conda create -n tf113 python=3.6
# 激活这个环境
conda activate tf113

2. 安装TensorFlow 1.13.1 #

这里有两种安装方式，优先推荐用conda安装（自动处理CUDA、cuDNN等依赖，尤其适合GPU用户）：

• GPU版本：

  conda install tensorflow-gpu=1.13.1
  

• CPU版本：

  conda install tensorflow=1.13.1
  

如果一定要用pip安装，先降级pip到兼容版本（新版pip可能不支持旧包索引），再搭配国内源避免找不到包：

# 降级pip到20.x版本
pip install pip==20.2.4
# 安装CPU版TF1.13.1
pip install tensorflow==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装GPU版TF1.13.1
pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 验证安装 #

激活tf113环境后打开Jupyter Notebook，运行以下代码确认：

import tensorflow as tf
print("TensorFlow版本：", tf.__version__)
print("GPU是否可用：", tf.test.is_gpu_available())

注意事项 #

• 一定要确保激活tf113环境后再打开Jupyter，不然会用默认环境的Python，导致安装的TF无法被识别。
• 如果是GPU用户，TF1.13.1对应需要CUDA 10.0、cuDNN 7.4版本，用conda安装会自动处理这些依赖，省心很多。

内容的提问来源于stack exchange，提问作者Britta