Mac已安装TensorFlow仍提示ModuleNotFoundError报错排查问询

• 运行环境：Mac设备（从安装路径判断为Apple Silicon架构机型），计划使用Keras框架编写人工神经网络训练代码
• 报错场景：运行代码时在import tensorflow as tf行触发异常
• 错误类型：ModuleNotFoundError
• 错误信息：No module named 'tensorflow'
• 已确认信息：执行pip show tensorflow显示TensorFlow 0.12.0已安装，安装路径为/opt/homebrew/lib/python3.9/site-packages，列出的依赖包括numpy、protobuf、six、wheel
• 测试代码如下：

import tensorflow as tf
from tensorflow import keras
from keras.models import Sequential
from keras.layers import Dense, Activation
model = Sequential()
model.add(Dense(2, input_shape=(2,)))
model.add(Activation('sigmoid'))
model.add(Dense(1))
model.add(Activation('sigmoid')) 
model.compile(loss='mean_squared_error', optimizer='sgd', metrics=['accuracy'])

1. 优先排查Python解释器与pip安装路径不匹配问题 #

这是该类报错的最高发原因。Mac设备通常同时存在多套Python环境：系统自带Python、Homebrew安装Python、虚拟环境（conda/venv）Python、pyenv管理的多版本Python，很容易出现pip把包装到了Python3.9的site-packages目录，但运行代码时调用的是其他版本Python解释器的情况。
排查操作：

• 在你运行代码的同一个终端/IDE运行环境中，执行which python3（如果用python命令启动脚本就执行which python），确认输出的解释器路径是否对应Homebrew安装的Python3.9
• 执行python3 -c "import sys; print(sys.path)"，查看输出的包搜索路径列表中是否包含/opt/homebrew/lib/python3.9/site-packages，如果不存在该路径，即可确认是环境不匹配问题。
  修复方式：使用当前运行代码的Python解释器直接调用pip安装包，不要直接用裸pip命令，格式为<对应Python解释器的绝对路径> -m pip install <包名>，避免装到其他环境。

2. 排查TensorFlow版本兼容性问题 #

你当前安装的TensorFlow 0.12.0是2017年发布的远古版本，存在两个致命兼容问题：

• 该版本发布时间远早于Apple Silicon系列芯片上市，没有ARM64架构的适配包，在M系列芯片的Mac上无法正常运行
• 该版本最高仅支持Python3.5，且发布时Keras尚未被整合进TensorFlow，代码中from tensorflow import keras的写法在该版本下本身就不存在对应的模块，就算解决路径问题也会触发后续导入错误。

3. 排查代码导入逻辑问题 #

当使用TensorFlow 2.x内置的Keras模块时，不需要额外安装独立的Keras包，也不要直接从keras根路径导入模块，否则容易出现版本不匹配的导入错误。

• 第一步：清理旧的错误版本依赖，执行pip uninstall -y tensorflow keras
• 第二步：确认运行代码使用的Python解释器版本，推荐选择Python3.9~3.11，该版本区间在Apple Silicon Mac上对TensorFlow的兼容性最好
• 第三步：为当前使用的Python解释器安装适配版本的TensorFlow，执行python3 -m pip install tensorflow，当前官方稳定版为2.x系列，已内置完整Keras模块，无需单独安装Keras
• 第四步：安装完成后执行验证命令python3 -c "import tensorflow as tf; print(tf.__version__)"，如果正常输出版本号无报错，说明基础环境配置正确
• 第五步：调整代码中的Keras导入语句，将独立Keras的导入写法替换为TensorFlow内置路径，修改后代码如下：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation
model = Sequential()
model.add(Dense(2, input_shape=(2,)))
model.add(Activation('sigmoid'))
model.add(Dense(1))
model.add(Activation('sigmoid')) 
model.compile(loss='mean_squared_error', optimizer='sgd', metrics=['accuracy'])

调整完成后重新运行代码即可正常启动。

内容的提问来源于stack exchange，提问作者jessie toms