远程机器导入虚拟环境遇TensorFlow与Keras兼容问题，本地环境正常

核心原因 #

独立版Keras 2.3.1和TensorFlow 2.4.1的内部API不兼容——TF2.4.1的tensorflow.python.eager.context模块已经移除了get_config方法，但旧版独立Keras仍在调用这个方法，导致导入报错。from tensorflow import keras用的是TF自带的适配版Keras所以没问题，但hyperas默认调用独立Keras，因此仍会触发错误。

步骤1：卸载独立Keras，改用TF自带的tf.keras #

远程环境里的独立Keras完全没必要保留，TF2.x已经内置了适配的tf.keras，直接卸载：

# 激活你的虚拟环境
conda activate myenv

# 用conda卸载（如果是conda安装的Keras）
conda remove keras -y

# 或者用pip卸载（如果是pip安装的）
pip uninstall keras -y

步骤2：安装适配TF2.x的hyperas版本 #

旧版hyperas依赖独立Keras，换用兼容tf.keras的版本：

pip install hyperas==0.4.1

这个版本会自动调用TF内置的Keras模块，不会再触发API不兼容的问题。

步骤3：重新构建环境（若前两步无效） #

放弃本地导出的yml文件，直接在远程创建全新环境，避免跨平台的依赖冲突：

# 创建环境（Python版本和本地保持一致，比如3.8）
conda create -n myenv python=3.8 -y
conda activate myenv

# 安装指定版本的TensorFlow（自带适配的tf.keras）
conda install tensorflow=2.4.1 -c conda-forge -y

# 安装适配版hyperas
pip install hyperas==0.4.1

步骤4：手动修改hyperas源码（极端情况） #

如果上述步骤仍报错，说明hyperas代码里硬编码了独立Keras的导入，直接修改源码：

1. 运行pip show hyperas查看hyperas的安装路径
2. 打开该路径下的hyperas/optim.py文件
3. 将所有import keras或from keras import ...的语句替换为from tensorflow import keras，比如：
   • 把from keras.models import Sequential改成from tensorflow.keras.models import Sequential
   • 把from keras.layers import Dense改成from tensorflow.keras.layers import Dense
4. 保存后重新运行代码。

内容的提问来源于stack exchange，提问作者Vale